部门介绍
我们专注于大模型在 Agentic & Coding 领域的评测范式探索与高质量数据构建，不仅核心支撑 Qwen 系列等大模型业务的交付迭代，更致力于在前沿方向探索下一代评测与数据体系，坚持产业落地与前沿探索并重。团队在业界已建立起显著的技术影响力，主导及参与了包括 SWE-CI、QwenClawBench、Terminal-Bench-Pro、Let It Flow (ROME Model)、HLE-Verified、V-GameGym 等多项前沿研究与基准构建工作。
岗位职责
方向（参与其中任一方向） Agent
- 复杂 Agentic 环境合成和 Infra 研究：负责复杂 Agentic 环境合成及评测集交付；设计并搭建统一的数字 Agent 评测基础设施，构建更加复杂的 Agent 环境基建。
- 持续学习与记忆评测、长程任务评估：研究大模型持续学习机制，构建针对长周期记忆检索、经验复用及动态知识更新的评估框架，沉淀 Agent 自主学习与长效记忆评测集。
- 世界模型评测与数据：搭建世界模型环境，评估模型对数字世界状态转移的理解和决策推演能力；交付世界模型评测集，以及状态推演与决策轨迹的高质量数据集。
- Agent 失败模式与可解释性研究：深入 Agent 和模型架构层进行可解释性工作；研究 Agent 运行中间轨迹的自动化分析方法，定位模型失败根本原因，提供专业下探与诊断能力，指导模型定向优化。 Coding
- 参与内部Coding自建评测集构建，制定大模型评测在Coding方向的评测标准以及评测体系构建；
- 调研Coding公开评测方法，并将Coding公开评测集集成至内部平台；
- 探索智能高效的大模型Coding评测方案，主导开发评测工具。
职位要求
- 学历要求： 博士在读（优秀的硕士生可放宽限制），计算机、人工智能、软件工程、认知科学、脑科学、大数据技术、数据科学或其他AI相关专业。
- 技术背景： 熟悉LLM as judge/Agent as judge/ReAct等技术，有大模型训练/评测经验，熟悉大模型评测方法，对大语言模型（LLM）、智能体（Agent）、强化学习或相关底层架构有深入理解，具备扎实的编程能力与工程实现能力。
- 研究能力： 具备独立提出问题、设计实验并解决复杂问题的能力。有顶级会议（如ACL, ICLR, NeurIPS, ICML, COLM等）论文发表经验者优先。获得过ACM、NOI金牌或同等水平竞赛奖项优先。
- 团队协作：具备优秀的沟通协调能力和团队协作意识，擅长沟通与表达优先。
- 实习时间：为了保证研究的完整性与成果落地，实习期要求不少于3个月（建议3-6个月），能够沉下心推进完整的闭环研究。
