岗位职责
- 评测工程体系建设: 面向Personal Agent 构建统一评测平台和训推评一体环境的整体架构设计与落地，打造高效、稳定、可扩展的评测基础设施
- Benchmark 设计与优化: 主导 benchmark 的构建方法论，设计科学合理的评测指标体系，探索评测RSI
- 效能与成本优化: 通过技术创新和工程优化，显著提升评测执行效率，降低资源成本，保障评测稳定性
- 技术前瞻性探索: 跟进业界评测技术前沿，引入创新方法，保持评测体系的领先性
- 跨团队协同: 与算法、产品、工程团队紧密配合，支撑阿福模型迭代、产品优化等关键决策
- 知识沉淀: 输出评测方法论、最佳实践、关键系统和统一平台产品，提升团队和蚂蚁整体评测能力
职位要求
- 专业背景: 计算机、软件工程、人工智能或相关专业本科及以上学历
- 技术经验: 7 年以上相关技术工作经验，具备大规模系统架构设计能力
- 核心技能: ○ 评测/训练平台: 深入实践过评测平台和环境搭建，有从 0 到 1 建设经验 ○ 推理引擎: 熟悉主流推理引擎架构，具备性能分析与优化经验 ○ Agent Infra: 深入理解 Agent 技术栈，包括任务规划、工具调用、记忆管理等
- 工程能力: 优秀的问题定位与解决能力，能独立排查复杂系统问题 优先条件 (具备以下任一) ● 有评测体系/实验平台/RL 训练相关项目管理经验 ● 具备团队管理经验，有带领技术团队的成功案例 ● 在深度学习框架、大规模分布式训练有深入实践 加分项 ● 有国家/省级理科竞赛获奖经历(数学、物理、信息学奥赛等) ● 在顶级会议/期刊发表过评测相关论文 ● 有开源评测工具/框架的核心贡献者
