工作职责:

-策略验证与评测自动化：负责框架的策略或模型能力评测。通过编写自动化脚本与框架，高效执行消融实验，定量评估记忆、规划、工具调用（Tool-use）及反思等核心能力的迭代效果
-深度数据分析与行为洞察：管理并分析评测产生的海量行为数据，运用统计学或可视化手段深度解析演化日志，建立健全的负样本归因机制，深入剖析系统瓶颈
-评测方法论创新与报告复盘：跟踪国内外前沿评测方法（如基于大模型的自动评估 LLM-as-a-judge、基于环境反馈的评估等），撰写严谨、具备可执行性的评测技术报告，定期与算法团队复盘，驱动技术闭环
-基准建设与开源影响力：紧跟业界前沿，参与设计并落地高难度的 Agent 核心 Benchmark。积极参与顶会论文的研究与撰写，通过开源项目、学术发表等方式拓展团队的行业技术影响力

任职要求:

-学历背景： 计算机科学、软件工程、人工智能或相关专业的在校本科生或研究生
-技术能力：具备扎实的编程能力，熟练掌握 Python 语言。对大模型能力评估有基本认知
-个人特质：对创新事务有足够的热情，学习能力强，主动性强，具备严谨的逻辑思维和数据分析能力