工作职责：

-负责医疗健康场景下 LLM / VLM / Agent 等模型评测体系建设，设计数据驱动、可复现、可扩展的评测框架，覆盖医学问答、健康科普、辅助问诊、报告解读、用药咨询、多模态理解等核心场景
-探索并落地智能化、平台化评测能力，包括 LLM-as-Judge、自动化弱项挖掘、医疗风险识别、模型对比分析、评测任务调度、指标看板、评测报告生成和多模型多版本回归分析
-基于评测结果开展模型误差归因与能力诊断，构建可复用的 case mining、error analysis 和能力边界分析方法，沉淀自动化诊断与质量监控能力，反向指导模型训练、post-training、prompt 和产品策略优化
-持续跟踪医疗大模型、医学知识评测、多模态医疗理解、Agent 评测、RAG 评测、用户模拟评测等前沿方法，结合真实医疗健康业务场景建设评测范式，为模型迭代和产品上线提供质量决策依据

任职资格：

-计算机、人工智能、自然语言处理、机器学习、统计学、数学等相关专业本科及以上学历，具备 5 年以上算法、NLP、模型评测或大模型相关经验
-具备系统性评测体系建设经验，熟悉 benchmark 构建、rubric 设计、人工评测、自动评测、A/B 实验、误差分析、质量闭环和模型上线验收机制
-具备扎实的数据分析与工程实现能力，熟练使用 AI 工具，理解 ACC、AUC、F1、Recall、MAE、Bias、Cohen’s Kappa、置信区间、显著性检验等常用评测指标和统计方法
-对大模型前沿技术和评测范式有持续关注，熟悉 LLM-as-Judge、偏好评估、对齐评测、Agent 评测、RAG 评测、多模态评测、自动化数据生成等方法，具备良好的问题抽象、跨团队协作和项目推进能力