岗位职责
- 评测体系设计与平台化落地：主导设计数据驱动的LLM/多模态/Agent评测体系，建设自动化评测分析能力，支持在平台上完成评测任务的适配、调度与规模化分析；
- 评测洞察与缺陷定位：基于对抗性分析、错误归因、能力边界挖掘等方法，系统定位模型在金融、医疗、小程序/APP等场景的核心短板，推动形成“评测-反馈-优化”的技术闭环；
- Benchmark与数据资产建设：负责评测数据采集、清洗、标注、版本管理与标准制定，构建高质量、多样化的Benchmark资产；
- 前沿评测范式探索：追踪全球前沿Benchmark与评估技术，研究RLHF/DPO等对齐数据驱动的新评估范式，探索仿真环境、Agent链路评测等新方法，保持技术领先。
职位要求
- 核心参与过业界知名的开源评测项目或 Benchmark 建设；
- 在 NeurIPS、ICML、ACL、EMNLP 等相关顶会发表过高质量论文；
- 优秀的数据敏感度与逻辑分析能力，能从复杂数据中定位关键问题并给出可落地方案；
- 深入理解大模型全链路：训练、推理、微调、评估与对齐。
