千问事业部-大模型自动化评测集建设运营-北京/杭州

核心职责：自动化评测集建设能力

1. 建设面向产品Agentic场景（Search Agent、Office Agent、对话Agent、生活服务Agent等）的端到端评测集，量化模型在真实产品链路中的表现，并拆解到模型原子能力，确保评测粒度可拆解至独立能力维度；
2. 基于评测数据产出结构化的模型能力诊断报告，明确优势与短板，形成可执行的优化建议，辅助算法团队确定模型迭代方向；
3. 持续追踪业界前沿Benchmark与评测方法论，保持评测集的先进性和行业对标能力；

1. 有1年以上大语言模型评测、AI产品质量评估或相关领域工作经验优先
2. 深入理解大语言模型的能力边界与常见评测范式，具备独立设计完整评测方案的能力
3. 熟悉Agent/Agentic应用场景的评测方法，了解工具调用、多轮对话、任务规划等能力的评估要点
4. 优秀的逻辑思维和结构化表达能力，能将评测发现转化为清晰的诊断报告和可执行建议
5. 有计算机科学、人工智能、自然语言处理、统计学相关专业本科及以上学历优先