渝北区
职位详情
岗位职责：
1. 评测体系落地与迭代：牵头公司重点大模型产品的全方位评测工作，严格遵循评测规范，覆盖模型核心能力等关键维度，输出客观、准确的评估结论。
2. Benchmark构建与优化：自主设计并产出高质量评测基准（benchmark），结合实际业务场景及模型更新节奏，持续扩充评测样本、改进评估指标，保障基准的科学性、适用性与前瞻性，为模型升级提供重要支撑。
3. 评测报告输出与解读：基于评测数据撰写专业分析报告，清晰展示模型表现优劣及改进空间，向产品与算法团队提供可执行的优化建议；同步跟进报告应用成效，实现“评测-反馈-优化”的完整闭环。
4. 数据供给驱动：依据评测结果精准识别模型短板，制定专项数据供给策略，主导高质量训练/微调数据的生成、筛选与标注工作，通过数据质量提升反哺模型性能。
5. 评测标准沉淀：融合行业最新进展与内部实践经验，持续完善评测方法论、指标框架与操作流程，沉淀为可复用的团队知识资产，提升整体评测工作的标准化与效率。
任职要求：
1. 学历背景：本科及以上学历，软件工程、计算机、数据科学、人工智能、统计学等相关专业，具备1年以上大模型评测或数据研究相关工作经验。
2. 核心能力：掌握大模型技术基本原理，熟悉主流评测方法、评估指标及工具，对大模型核心能力等评测维度具有实际操作经验。
3. 数据能力：具备扎实的数据处理、分析与可视化技能，熟练运用Python（Pandas、NumPy等）、SQL等工具，能独立完成评测数据的清洗、统计与深度分析。
4. 专业素养：具备敏锐的内容质量判断力，能够准确识别模型输出在视觉审美与文本风格等方面的差异；思维严谨，擅长拆解复杂问题，形成结构化输出。
5. 协作能力：具备良好的跨团队沟通协作能力，推动评测结论与数据方案有效落地；拥有较强的自我驱动力与创新意识，能快速响应业务变化需求。
6. 加分项：有知名AI企业大模型评测或benchmark建设经验者优先；具备图文内容质量评估、数据标注体系搭建经验者优先。
1. 评测体系落地与迭代：牵头公司重点大模型产品的全方位评测工作，严格遵循评测规范，覆盖模型核心能力等关键维度，输出客观、准确的评估结论。
2. Benchmark构建与优化：自主设计并产出高质量评测基准（benchmark），结合实际业务场景及模型更新节奏，持续扩充评测样本、改进评估指标，保障基准的科学性、适用性与前瞻性，为模型升级提供重要支撑。
3. 评测报告输出与解读：基于评测数据撰写专业分析报告，清晰展示模型表现优劣及改进空间，向产品与算法团队提供可执行的优化建议；同步跟进报告应用成效，实现“评测-反馈-优化”的完整闭环。
4. 数据供给驱动：依据评测结果精准识别模型短板，制定专项数据供给策略，主导高质量训练/微调数据的生成、筛选与标注工作，通过数据质量提升反哺模型性能。
5. 评测标准沉淀：融合行业最新进展与内部实践经验，持续完善评测方法论、指标框架与操作流程，沉淀为可复用的团队知识资产，提升整体评测工作的标准化与效率。
任职要求：
1. 学历背景：本科及以上学历，软件工程、计算机、数据科学、人工智能、统计学等相关专业，具备1年以上大模型评测或数据研究相关工作经验。
2. 核心能力：掌握大模型技术基本原理，熟悉主流评测方法、评估指标及工具，对大模型核心能力等评测维度具有实际操作经验。
3. 数据能力：具备扎实的数据处理、分析与可视化技能，熟练运用Python（Pandas、NumPy等）、SQL等工具，能独立完成评测数据的清洗、统计与深度分析。
4. 专业素养：具备敏锐的内容质量判断力，能够准确识别模型输出在视觉审美与文本风格等方面的差异；思维严谨，擅长拆解复杂问题，形成结构化输出。
5. 协作能力：具备良好的跨团队沟通协作能力，推动评测结论与数据方案有效落地；拥有较强的自我驱动力与创新意识，能快速响应业务变化需求。
6. 加分项：有知名AI企业大模型评测或benchmark建设经验者优先；具备图文内容质量评估、数据标注体系搭建经验者优先。
2026-08-13 13:47
IP属地：重庆
职位福利
本科1-3年大模型模型评测
支付宝（杭州）信息技术有限公司
D轮及以上 · 10000人以上
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
大模型应用开发工程师
1-2万元/月
大模型算法3-5年本科深度学习自然语言处理PyTorchTensorFlowPythonHR垂类大模型开发智能AGENT系统设计模型推理效率优化
重庆 南岸区
收藏职位
