招聘城市：深圳，其它
…应用或 Agent 评测的实战经验，深刻理解 LLM as Judge 的局限性、Prompt 设计与一致性校准方法；
2、熟悉视频 / 图像质量评估指标（CLIPScore、光流分析、无参考图像质量评估），有多模态内容评测经验优先；
3、能独立设计评测数据集，对数据泄露与过拟合风险敏感；
4、扎实的工程能力：Python / TypeScript，熟悉数据管道、任务调度、评测平台工程化落地；
5、有从 0 到 1 建设评测或标注平台的经验；熟悉 Langfuse、Weights & Biases 等 LLM 可观测工具加分；
6、强数据思维，能用统计方法（Spearman 相关系数、线性回归）量化评测质量，驱动权重校准；
7、对 C 端产品有热情，能将用户真实偏好转化为可量化的评测信号，而不仅仅是追求自动指标的数字好看…
招聘城市：北京
…大模型人才校招】基座评测与认知分析-基础模型及Agent能力研究
更新时间：2026-06-03
工作地点：北京市
事业群：核心本地商业-基础研发平台
岗位职责
当前，我们正处在大模型从Chat Bot进化为自主智能体（Agent）的关键阶段。Agent 已深度融入代码生产、办公、搜索等场高价值景，其核心能力从单轮对话拓展到复杂任务规划、工具编排、长程记忆与多步推理。如何系统、科学地衡量这些前沿能力，已成为决定大模型能力天花板的核心挑战。我们诚邀对 Agent 评测有信念感的你，一同定义下一代 Agent 能力的标尺。
本岗位涉及的具体方向包括：
1.构建 Agent 全维度评测体系：设计横跨感知-规划-执行-反思完整闭环的评测维度框架，重点覆盖代码…
招聘城市：北京
…大模型人才校招】基座评测与认知分析-具身与开放物理世界探索
更新时间：2026-06-03
工作地点：北京市
事业群：核心本地商业-基础研发平台
岗位职责
从多模态大模型基座延伸到具身智能，我们的目标是做到具身智能的“GPT时刻”，具备test-time zero-shot/few-shot的跨本体、跨任务泛化。在这个过程中，我们进行具身智能在泛化能力评测分析和关键迭代路径的探索，包括但不限于
1.探索激发多模态大模型Training-Free泛化能力的Data-Scaling方案（包括VLA和VA），迁移人类数据到具身本体，包括latent action和unified model等方向；
2.探索通过世界模型作为物理仿真引擎的进阶，兼顾仿真和真机的优点，实现泛化评测…
招聘城市：北京
【LongCat大模型人才校招】基座评测与认知分析-多模态与前沿交互研究
更新时间：2026-06-03
工作地点：北京市
事业群：核心本地商业-基础研发平台
岗位职责
多模态大模型能力在近年飞速发展，模态的统一、任务的统一、多种模态联合生成和实时交互带来了崭新的应用体验和生产力提升。在这个过程中，我们需要脚踏实地的同时仰望星空，发挥想象力预判新模型能力带来的应用场景革新，研究达到理想态的关键演进路径并进行度量分析，指引长期有潜力的模型迭代方向。方向包括但不限于
1.多模Agent方向：包括在多模态的工具调用和GUI/CUA，探索结合多模原生能力的OpenClaw展现出的生产力提升潜力，从基座模型能力…
招聘城市：北京
岗位职责：
1、负责视频 & 图片画质评测，输出主客观画质评测报告
2、负责竞品调研分析，指导音视频策略优化改进
3、参与图像算法的开发与优化，建立画质评测规范以及验收标准
任职要求：
1、本科以上学历，了解图像效果相关的基础知识
2、对画质评测感兴趣，能够主观判断画质效果问题
3、具备良好的团队沟通和协作能力、自我驱动和创新能力
4、熟悉imatest、IE、DXO等图像相关评测指标以及摄影爱好者优先
招聘城市：上海，北京
…职业生涯的非线性成长。
真诚地邀请你，和我们一起驱动技术发展，创造行业价值。
岗位职责：
1.参与面向AGI的大模型评测研究，包括模型性能评估、数据处理等工作；
2.参与面向AGI的模型训练范式研究，包括算法策略设计、模型调优等工作；
3.协助团队完成相关项目，按时保质保量完成工作任务。
任职要求：
1.大学本科及以上学历，计算机、数学、统计学等相关专业优先；
2.对机器学习、深度学习等领域有一定了解，有相关实习经验者优先考虑；
3.具备良好的团队合作能力、沟通能力和学习能力；
4.熟练掌握Python、C++等编程语言者优先。
岗位亮点：
1.参与大型模型评测研究项目，接触前沿技术和算法；
2.获得专业团队的指导和培训，提升自身技能和能力；…
招聘城市：北京，上海
岗位职责：
1、构建 Agent 系统的离线评测基准，覆盖意图理解、工具调用、回复质量等维度
2、构建 Prompt Injection 攻击测试集并设计防御方案
3、实现 LLM-as-Judge 自动评测 pipeline
4、设计在线质量监控体系（用户行为 + 显式反馈融合）
任职要求：
1、计算机/信息安全/NLP 相关硕士及以上在读
2、对 LLM 安全（Prompt Injection、Jailbreak）有兴趣
3、Python 扎实，了解 LLM 评测方法
4、加分：CTF/渗透测试经验、安全顶会论文
招聘城市：深圳
…板级运行等软硬件评测环境，编写测试脚本，实现评测流程自动化。
4. 整理环境手册、问题台账，定期输出评测报告，反馈各平台性能短板与适配问题。
5. 配合算法、硬件团队，协助完成算子优化与硬件迭代相关工作。
任职要求：
1. 本科及以上学历，电子信息、自动化、计算机、微电子等相关专业，在读学生，可长期稳定实习。
2. 了解数值计算、离散控制、信号处理等基础算法，熟悉常见算子逻辑。
3. 熟练使用Python，具备脚本编写、数据处理能力。
4. 熟悉Linux环境，了解交叉编译，能够独立完成环境部署与问题排查。
5. 掌握C/C++基础，可阅读、调试算法代码。
6. 工作严谨细致，逻辑清晰，具备良好的总结与执行力。
岗位亮点：
1. 掌握算法算子从编译部署到性能评测的全流程，熟悉…
招聘城市：北京，上海
…在这个过程中，我们进行具身智能在泛化能力评测分析和关键迭代路径的探索，包括但不限于
1.探索激发多模态大模型Training-Free泛化能力的Data-Scaling方案（包括VLA和VA），迁移人类数据到具身本体，包括latent action和unified model等方向；
2.探索通过世界模型作为物理仿真引擎的进阶，兼顾仿真和真机的优点，实现泛化评测、强化学习和多样性数据合成；
3.探索通过环境交互的在线强化学习，涉及仿真环境的搭建、数据合成和真机实验，研究通过自我进化的下一代智能提升的关键途径；
【为什么是我们】
一起建立行业评测标杆，推动行业认知进展，代表工作包括：
1.LARYBench 行业首个具身动作表征评测基准，揭示了动作表征的data-scaling潜力…
招聘城市：北京，上海
…模型架构、训练策略等选型；
3.多模交互方向：包括通用世界模型、音视频交互等，研究动态多轮交互中的一致性、真实性和长程记忆等关键能力的自动化度量，指引基座模型的迭代；
【为什么是我们】
一起建立行业评测标杆，推动行业认知进展，代表工作包括：
1.UNOBench 行业首个考察全模态协作能力，并得出全模态和单模态能力Compositional Law，指引1+1+1>3的全模态能力发展。
2.EvalTalker 行业首个多人、多姿态、全景覆盖的数字人评测基准，指引自研Longcat-Avatar模型稳居业界前沿。
3.UniHetero 行业首个验证生成能促进理解的unified model，以简洁的结构在大规模数据上得到更好的data-scaling。
任职要求：
1. 硕士及以上学历，计算机、数学、统计学…
招聘城市：北京
…复现的回归测试用例，建立基于回流问题的评测看板，以数据驱动方式量化模型版本迭代的真实收益。
4.探索下一代评测范式：研究人-智能体协同评估、自进化能力评估、Agentic Evaluation、Auto Research等前沿课题，推动评测范式和模型优化范式演进，产出高水平技术报告与顶会论文。
【为什么是我们】
1.美团拥有世界级的业务难题，从POC到大规模场景，充满机遇与挑战，兼顾学习和成长。
2.业界前列的NV GPU和非GPU算力规模，协同算法，AI框架，网络，计算，芯片等多个团队共同建设大模型软、硬件技术底座。
3.团队拥有同行TOP级别的评测基础能力和相应资源投入，在大模型评测研究领域具备国内领先的竞争力，团队近年产出了PRDBench…
招聘城市：北京
…工具的使用，提升评测效率；
4. 跟踪和研究行业内大语言模型技术和评测方法，为团队提供前沿的知识和见解。
任职要求：
1. 大学本科及以上学历，计算机、人工智能、数据科学、语言学、心理学等相关专业优先；
2. 对AI Agent、大模型及其应用场景有浓厚兴趣，具备良好的逻辑思维与分析能力；
2. 具备一定的分析能力，能够理解用户需求和产品需求，将模糊需求转化为可执行的标准；
3. 具备快速学习能力和敏锐的业务洞察力，能够迅速适应并推动业务场景的探索与迭代；
4.工作细致认真，具备强烈的责任心与团队合作精神，善于沟通协调，能高效支持团队推进任务。
岗位亮点：
1. 深度参与AI Agent前沿技术的评测与优化，了解大…
招聘城市：上海
…大语言模型技术和评测方法，为团队提供前沿的知识和见解
任职要求：
1.学历要求：高校优先，软件工程、计算机、数学、心理学等相关专业优先
2.具备一定的编程能力，熟悉Python、Java等语言者优先，且对AI技术和产品评测有浓厚兴趣
3.具备一定的分析能力，能够理解用户需求和产品需求，将模糊需求转化为可执行的标准
4.具备快速学习能力和敏锐的业务洞察力，能够迅速适应并推动业务场景的探索与迭代。
5.强烈的责任心和团队合作精神，具备较强的沟通能力，能够高效支持团队快速推进工作
6.每周至少能够保证3-4天的实习时间，长期实习者优先
岗位亮点：
1.深度参与AI Agent前沿技术的评测与优化…
招聘城市：北京
…进行常态化巡检，主动挖掘数字人画面、语音、互动等维度的体验问题；
任职要求：
1. 本科及以上学历在读，计算机、统计学、心理学或传媒类相关专业优先，有过模型评测实习经验优先；
2. 具备极强的耐心和责任心，对数据敏感，能从数据中总结规律、敏锐发现异常；
3. 学习及适应能力强，主观能动性强，逻辑清晰，具备良好的书面表达能力；
4. 沟通协作能力强，敢于推动问题解决；
5. 每周出勤至少4天，实习期不少于6个月（长期实习者优先）；
岗位亮点：
前沿视野： 深入接触AIGC、数字人、大模型等最前沿技术在直播场景的落地全流程。
专业指导： 资深运营、产品经理、算法专家日常指导，学习科学的评测方法论与数据分析思维。
招聘城市：北京
…创造行业价值。
岗位职责：
1. 参与大模型评测体系的设计与优化，协助制定评测指标和测试方案。
2. 执行大模型在多个任务场景下的评测，并收集并分析评测数据，输出结构化报告，为模型优化提供数据支持。
3. 协助搭建和维护评测工具链，提升评测效率与自动化水平。
任职要求：
1. 大学本科及以上学历，应用统计、数据科学、计算机、人工智能等相关专业优先。
2. 熟悉自然语言处理基础知识，了解主流大模型架构与应用场景。
3. 具备良好的逻辑分析能力和数据敏感度，熟练使用Python进行数据处理。
4. 工作认真负责，具备良好的沟通能力和团队协作精神。
岗位亮点：
1. 深入接触前沿大模型技术，积累AI评测实战经验。
2. 与资深算法工程师紧密…
招聘城市：北京
岗位职责：
负责AI模型评测与分析工作，与模型训练团队配合不断优化提升AI模型效果。具体工作内容包括：
1. 深入理解大规模预训练语言模型，参与模型评测方案的制定与评测数据集的建设；
2. 通过对模型进行全方面细致的评测，明确模型能力边界，对模型能力进行深入分析，产出围绕大模型的客观认知，从而为模型训练迭代提供指导意见；
3. 追踪大模型方向前沿进展，积极主动地学习和探索新的评测及分析的方法和技术；
4. 与各相关部门保持良好沟通，深度参与大模型训练及应用，为各大模型相关方提供评测及相关的模型分析支持，共同推动大模型的训练与应用。
任职要求：
1. 硕士及以上学历，计算机、数学、统计学或…
招聘城市：北京
大模型评测算法工程师
更新时间：2026-03-06
工作地点：北京市
事业群：核心本地商业-平台及职能部门
岗位职责
负责AI模型评测与分析工作，与模型训练团队配合不断优化提升AI模型效果。具体工作内容包括：
1.深入理解大规模预训练语言模型，参与模型评测方案的制定与评测数据集的建设；
2.通过对模型进行全方面细致的评测，明确模型能力边界，对模型能力进行深入分析，产出围绕大模型的客观认知，从而为模型训练迭代提供指导意见；
3.追踪大模型方向前沿进展，积极主动地学习和探索新的评测及分析的方法和技术；
4.与各相关部门保持良好沟通，深度参与大模型训练及应用，为各大模型相关方提供评测及相关的…
招聘城市：北京
岗位职责：
负责AI模型评测与分析工作，与模型训练团队配合不断优化提升AI模型效果。具体工作内容包括：
1. 深入理解大规模预训练语言模型，参与模型评测方案的制定与评测数据集的建设；
2. 通过对模型进行全方面细致的评测，明确模型能力边界，对模型能力进行深入分析，产出围绕大模型的客观认知，从而为模型训练迭代提供指导意见；
3. 追踪大模型方向前沿进展，积极主动地学习和探索新的评测及分析的方法和技术；
4. 与各相关部门保持良好沟通，深度参与大模型训练及应用，为各大模型相关方提供评测及相关的模型分析支持，共同推动大模型的训练与应用。
任职要求：
1. 硕士及以上学历，计算机、数学、统计学或…
招聘城市：上海
…大语言模型技术和评测方法，为团队提供前沿的知识和见解
任职要求：
1.学历要求：高校优先，软件工程、计算机、数学、心理学等相关专业优先
2.具备一定的编程能力，熟悉Python、Java等语言者优先，且对AI技术和产品评测有浓厚兴趣
3.具备一定的分析能力，能够理解用户需求和产品需求，将模糊需求转化为可执行的标准
4.具备快速学习能力和敏锐的业务洞察力，能够迅速适应并推动业务场景的探索与迭代。
5.强烈的责任心和团队合作精神，具备较强的沟通能力，能够高效支持团队快速推进工作
6.每周至少能够保证3-4天的实习时间，长期实习者优先
岗位亮点：
1.深度参与AI Agent前沿技术的评测与优化…
招聘城市：北京
…高品质的住宿、交通、游玩等服务矩阵。
这里有多元的业务布局、持续的成长空间，无论是向往的远方还是眼前的工作，一路都是风景相伴。加入我们，共同为用户创造旅游旅行中的高光时刻！
岗位职责：
1. 参与大模型评测相关工作，协助制定和维护评测标准。
2. 负责评测数据的收集、整理与分析，输出评测报告并提出改进建议。
4. 跟进评测任务管理，评测标准培训等
任职要求：
1. 大学本科及以上学历
2. 具备良好的逻辑思维与表达能力，熟练使用AI工具者优先。
3. 对大模型技术及应用场景有浓厚兴趣，具备快速学习能力。
4. 工作细致认真，具备良好的沟通能力和团队协作意识。
岗位亮点：
深度参与前沿大模型评测工作，积累AI领域实践经验。
