海淀区
职位详情
岗位职责：
1. 将大模型视为“产品”进行测试：覆盖从问答到Agent的能力，设计测试用例、执行评估、追踪核心指标，输出分析结论与报告。
2. 搭建完整的评测体系：构建数据集、定义评估标准、开发配套工具，实现评测流程自动化、结果可视化。【重点】
3. 通过代码提升效率：使用Python编写脚本或平台，高效完成重复性评测任务，降低人工投入。
4. 以用户视角发现问题：深入体验产品流程，复盘典型问题案例，协同算法与产品团队推进问题闭环。
5. 关注前沿评测技术：及时跟进LLM-as-a-Judge、多模态基准测试、自动评估等新方法，并推动实际应用。
6. 推动AI赋能测试：探索“用AI测试AI”的路径，研发智能测试辅助工具，提升测试工作的智能化水平。
岗位要求：
1. 学历&年限：计算机、人工智能、数学等相关专业本科及以上学历；具备3年以上测试领域工作经验。
2. 专业能力：
（1）具有大模型（LLM）、NLP、图像识别/CV、多模态或强化学习中至少一类方向的算法评估实战经历；
（2）熟练掌握标注质量相关指标（如准确率、召回率、F1、置信度校准）的计算逻辑与分析方法；
（3）熟悉NLP、CV、多模态常用效果评估指标（如Accuracy、Recall、F1、CIDEr、CLIP-Score等）。
3. 工程实践能力：精通Python，能够独立开发测试工具及自动化框架（有Pytest、Unittest、Playwright经验者优先）。
4. 综合素养：
（1）学习能力强，沟通协作佳；对产品质量与用户体验高度敏感，善于发现并推动问题解决；
（2）具备良好的自驱力与进取心，积极主动，擅长独立思考与阶段性复盘总结；
（3）持续关注AI与大模型领域的最新进展，具备自主学习与创新探索的热情。
1. 将大模型视为“产品”进行测试：覆盖从问答到Agent的能力，设计测试用例、执行评估、追踪核心指标，输出分析结论与报告。
2. 搭建完整的评测体系：构建数据集、定义评估标准、开发配套工具，实现评测流程自动化、结果可视化。【重点】
3. 通过代码提升效率：使用Python编写脚本或平台，高效完成重复性评测任务，降低人工投入。
4. 以用户视角发现问题：深入体验产品流程，复盘典型问题案例，协同算法与产品团队推进问题闭环。
5. 关注前沿评测技术：及时跟进LLM-as-a-Judge、多模态基准测试、自动评估等新方法，并推动实际应用。
6. 推动AI赋能测试：探索“用AI测试AI”的路径，研发智能测试辅助工具，提升测试工作的智能化水平。
岗位要求：
1. 学历&年限：计算机、人工智能、数学等相关专业本科及以上学历；具备3年以上测试领域工作经验。
2. 专业能力：
（1）具有大模型（LLM）、NLP、图像识别/CV、多模态或强化学习中至少一类方向的算法评估实战经历；
（2）熟练掌握标注质量相关指标（如准确率、召回率、F1、置信度校准）的计算逻辑与分析方法；
（3）熟悉NLP、CV、多模态常用效果评估指标（如Accuracy、Recall、F1、CIDEr、CLIP-Score等）。
3. 工程实践能力：精通Python，能够独立开发测试工具及自动化框架（有Pytest、Unittest、Playwright经验者优先）。
4. 综合素养：
（1）学习能力强，沟通协作佳；对产品质量与用户体验高度敏感，善于发现并推动问题解决；
（2）具备良好的自驱力与进取心，积极主动，擅长独立思考与阶段性复盘总结；
（3）持续关注AI与大模型领域的最新进展，具备自主学习与创新探索的热情。
2026-07-01 14:39
IP属地：北京
职位福利
本科3-5年
北京联和利泰科技股份有限公司
不需要融资 · 1000-9999人
工作地址
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
