部门介绍
AI 数据与安全团队为 Seed 基座模型及 AI 原生应用提供跨模态数据服务，覆盖数据生产全流程，包含模型评估标准的制定、数据规模化生产、数据飞轮搭建，不断提升数据质量，支持模型快速迭代。 团队由产品经理、数据工程、数据运营等跨职能人才组成，并通过与 Seed 研究员、行业专家、全球顶尖数据供应商紧密合作，从真实场景中收集反馈并分析模型表现数据，解决 AI 前沿突破过程中的复杂数据问题，推动模型性能与用户体验的双重提升。我们既是帮助模型技术迭代的一线贡献者，也是模型和 AI 产品的一手用户。 日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。
- 自动评估开发：设计、管理并推动自动评估链路工程化落地，使用Python等编程语言搭建和维护评估任务，将数据集、模型调用、Agent运行环境、Judge、评分逻辑及结果分析接入司内评估平台，确保评估流程可复现、可追踪、可扩展；
- 数据核查与分析： 1）设计并实施稳健的数据分析策略，以评估训练数据集与评测数据集，确保所有项目数据在数学上的准确性与统计上的有效性； 2）包括设计并落地稳健的数据核查机制、开展深度分析以识别趋势与异常，并将量化发现转化为可落地的洞察，写入报告以推动模型改进； 3）与数据标注人员、算法及产品经理协作，定义质量基准，并确保在整个项目生命周期中坚持数据驱动的决策；
- 持续关注产品大模型及相关前沿技术的进展，使用Vibe coding不断探索高效的数据生产方法，如自动化数据抓取、模型评测，以及基于Agent/代码的数据合成，并成为一个或多个内容垂直领域（如预训练Pre-Training、数学Math或多模态机器学习MultiModal Machine Learning）的专家；
- 营造协作氛围，分享新的学习成果与最佳实践，促进团队内部的知识传递。
岗位职责
招聘官网暂未提供完整岗位职责，请前往官网核实。
职位要求
- 本科及以上学历在读；
- 熟悉大模型基础原理，熟悉Agent工作模式与多轮对话机制；
- 熟练掌握Python、SQL等开发技术栈，能够进行脚本编写，熟练运用LangChain、Dify等自动化工具，积极探索Codex、Cursor等Vibe coding能力；
- 了解模型自动评测链路，熟练掌握PE撰写、Workflow搭建、Skill封装等能力，有过Agent调试经验（包括SP、Skill和Tool调试）。 加分项
- 有大模型评测体系建设经验，了解Rubric设计、标注SOP制定或Benchmark构建；
- 有LLM/VLM评测平台实际使用或跑数经验；
- 熟悉数据标注流程，了解标注质量管控方法（如PE质检、难题识别）；
- 有电商、搜索或推荐场景下的模型效果评估经验；
- 对AI工程化落地有热情，善于用自动化工具提升团队研发效率。
