招聘城市：北京，上海
岗位职责：
1、负责大模型效果的全生命周期的评测产品工作，与算法、工程、前端产品协同；
2、效果标准的制定，基于业务场景研究及语料分析，定义特定场景下的理想效果，同时对问题下钻分析，持续挖掘和特征提炼，推动专项的解决，形成数据飞轮；
3、搭建内外部体验视角下的效果量化指标，从用户视角定义高质量优质语料和体验问题，通过科学置信的量化指标，协同算法、数据持续推动效果迭代；
4、评估体系的设计与专业评估报告输出，建立系统、科学、完善的评估体系，从用户视角出发，形成模型效果有效的驱动力。
任职要求：
1、具备3-5年搜索、大模型相关评测产运工作经验，对模型技术应用具有热情；
2、对PE、精调、RAG等大…
招聘城市：上海，北京，杭州，武汉
岗位职责：
1.建立完善的agent标注规范和质量评估标准体系
2.负责数据的标注、清洗和质量归因的日常管理
3.根据归因结果推动模型和知识库的持续迭代和优化
4.设计agent能力评估指标，能多维度评估模型能力
5.为评估质量和效果负责
任职要求：
1、本科及以上学历，AI数据标注或模型评估管理的相关工作经验
2、熟悉自然语言处理和对话系统评估方法
3、具备团队合作精神，能有效推进问题解决
4、强烈的ownership意识，能承受快速迭代的业务压力
招聘城市：杭州，北京，上海
岗位职责：
1. 指标体系构建： 负责海外搜索（双列/AI Search）业务的评估体系搭建，定义和制定搜索相关性、内容质量、AI回答有用性等核心评测指标（Metrics）；
2. 方向拟定与策略驱动： 基于评测数据和Badcase分析，洞察海外用户搜索意图与需求，制定产品迭代方向，并驱动算法和工程团队优化模型效果；
3. 评测标准制定： 制定并持续迭代评测SOP（标准作业程序），确保评测标准的客观性与一致性，解决评测过程中的边缘（Edge Case）争议；
4. 竞品分析： 监控海外主流竞品（如Google, Perplexity等）的动态与效果，输出对比评测报告，明确产品在行业中的优劣势。
任职要求：
1. 背景要求： 本科及以上学历，计算机、数学、统计学或相关专业优先；2年以上搜索、推荐或…
招聘城市：北京，上海
岗位职责：
AI 正在重塑搜索的底层逻辑。从意图理解到 AIO 聚合生成，从图文到多模态——评测，是这一切发生的地基。我们需要把"搜得好不好"变成可量化、可迭代的评估体系。
1、负责 AI 搜索的评测产品设计，覆盖搜索大盘评估、策略迭代评估及 RL 训练数据支持，建立自动化评估能力
2、与模型、算法团队协作，将搜索质量问题拆解为可量化的评估指标和标注方案
3、探索多模态场景（语音、图片、视频）的评测方法，设计差异化评估框架
4、推动评测结果落地，影响策略方向和产品决策，而不只是出报告
任职要求：
1、5年以内工作经验，有评测体系设计经验，理解搜索产品逻辑
2、理解 LLM 基本能力边界，对 AI 评测（标注质量、自动化评估…
招聘城市：北京，上海
岗位职责：
AI 正在重塑搜索的底层逻辑。从意图理解到 AIO 聚合生成，从图文到多模态——评测，是这一切发生的地基。我们需要把"搜得好不好"变成可量化、可迭代的评估体系。
1、负责 AI 搜索的评测产品设计，覆盖搜索大盘评估、策略迭代评估及 RL 训练数据支持，建立自动化评估能力
2、与模型、算法团队协作，将搜索质量问题拆解为可量化的评估指标和标注方案
3、探索多模态场景（语音、图片、视频）的评测方法，设计差异化评估框架
4、推动评测结果落地，影响策略方向和产品决策，而不只是出报告
任职要求：
1、5年以内工作经验，有评测体系设计经验，理解搜索产品逻辑
2、理解 LLM 基本能力边界，对 AI 评测（标注质量、自动化评估…
招聘城市：深圳
岗位职责：
1.Benchmark 构建与管理：负责高质量评测数据集的挖掘、清洗、标注与动态更新，设计长尾场景测试集，专门捕捉模型在极端或复杂指令下的失效点；
2.自动化评测流水线开发：搭建自动评测框架，集成主流开源评测工具（如 OpenCompass, VLMEvalKit 等）。开发基于模型的自动评分器，提升评测效率并保持与人工评价的高一致性；
3.AIGC 专项评测：建立图像/视频生成的质量评估体系，涵盖视觉效果、语义遵循、物理规律等维度，并解决生成内容的主观评价量化难题。
岗位要求：
1.教育背景：计算机、数学、数据科学等相关专业硕士及以上学历；
2.方法论深度：熟悉各类评测技术（如 A/B Testing, Elo Rating, LLM-as-a-Judge），能独立设计复杂的评测实验。了解 LLM…
招聘城市：北京，上海
岗位职责：
我们负责小红书 Agent 平台的评测建设，为基座大模型、多模态及各类 Agent 应用提供全生命周期的评测支撑。工作从平台架构、评测数据的挖掘采集与打标，到自动化评测引擎、Badcase 归因诊断，再到开发者工具链与生态建设，全程一手主导。我们相信评测是 AI 产品的生命线，直接影响全公司的 AI 迭代效率。我们期待工程能力扎实、能独立破局的人加入，一起把它做好。
工作职责
1、评测平台架构与建设：负责 LLM 及 AI 应用评测平台的架构设计与核心开发，构建对基座大模型、多模态（图/文/音/视）、Agent 及各类 Tools/Skills 的自动化评测能力
2、评测数据挖掘与生产：负责评测数据的挖掘、采集、清洗与…
招聘城市：深圳
岗位职责：
1.负责医疗 Agent 核心业务的质量评测工作，覆盖健康问问、AI 诊室、医保智能助手等场景，围绕意图理解、多轮交互、信息收集、工具调用、结果生成、异常兜底等关键环节，完成评测方案设计、落地、结果记录与问题反馈；
2.参与医疗复杂场景专项评测，包括 AI 问诊流程、科室/服务匹配、医保政策问答与办理指引、多模态报告解读等场景，沉淀可量化、可复用的评测方法和评估标准；
3.推动评测数据与自动化能力建设，建设高质量评测集、标准答案、链路 Trace 标注规范和评测流水线，支持人工评测、规则评测及自动化评测任务落地；
4.跟进线上 Badcase 分析与问题闭环，针对医疗安全、内容安全、隐私合规、诊疗建议边界等高风险问题，协助定位问题原因，并推动产品、算法…
招聘城市：北京，上海，武汉
岗位职责：
1、 独立刻画出符合当前业务场景需求的安全数据体系，包括不限于常规的审核风险体系、生态风险体系等。
2、协同算法设计模型数据策略方案，涵盖专项、非专项安全场景下安全数据训练策略。
3、从模型的数据样本建设、评测体系设计、安全标注自动化升级等，能从模型底座能力上解决策略、模型在用户问题上带来的误伤，漏放。
4、有比较强的agent协同理解，同时具备一定PE技巧，推动安全在各类问题上以自动化形式解决，搭建安全PE-workflow，提升各团队工作效能。
5、能够和算法讨论出适配于不同场景下模型的安全能力（基于数据本身），需要协助算法做好问题分析、数据筛选、策略过滤、模型效果验证。
任职要求：
1、本科及以上学历…
招聘城市：深圳
岗位职责：
1.负责AI Agent全链路评测与质量保障工作，聚焦Agent能力基准测试、自动化评测基座建设及分级评测指标定义；
2.针对AI生成的非确定性与参数化特点，设计并量化评测标准，搭建科学的分级评测指标体系；
3.主导构建高质量的基准测试集（Benchmark），覆盖多轮交互、长短上下文等复杂场景，解决AI生成结果验证标准量化的核心难题；
4.参与设计和研发Agent自动化评测基座，通过构建自动化测试脚本和引入大模型交叉验证（LLM-as-a-Judge）机制，提升评测效率；
5.建立高效的缺陷定界机制，精准判断问题根因，输出多维度评测报告并协同开发团队推动问题解决。
岗位要求：
1.本科及以上学历，计算机、软件工程、人工智能等相关…
招聘城市：重庆
岗位职责：
1.负责AI社交对话能力相关数据的标注工作，确保标注数据准确、完整且符合项目要求；
2.对AI在情感陪伴、心理支持等社交场景下的回复质量进行全面评估；
3.精准判断AI回复是否具备同理心，准确识别AI对用户情感的判断情况；
4.从用户意图理解、情感共鸣等多个维度对AI回复进行细致的质量评分；
5.积极参与社交场景标注规范的制定工作，并根据实际情况对规范进行优化；
6.与团队成员保持良好沟通，及时反馈标注与评估过程中发现的问题。
岗位要求：
1.本科及以上学历，有1年以上团队管理经验，心理学、社会学、语言学等相关专业优先；
2.具备良好的文字理解能力和语言表达能力，能够准确理解和…
招聘城市：上海
部门介绍：
美团金融服务平台成立于2016年，以“场景+金融”模式，携手合作伙伴构建开放生态，为美团平台用户和商户提供底层账户、支付通道、信贷、保险和理财等金融解决方案。我们致力于以科技为核心，助力金融机构打通金融普惠“最后一公里”。我们期待与大家共同完成每一件平凡而卓越的事情，一起为用户提供优质的产品体验，守护用户的资金安全，让生活变得更美好。
岗位职责：
智能决策： 深度洞察美团生态业务，结合AI能力，主导信贷产品准入、额度、定价等核心风险策略的迭代优化，推动策略向“智能生成”转型。
模型共建： 与算法、模型团队紧密协作，参与从特征工程到模型选择的全过程，并重点负责推动AI/ML模型在风险策略中的应用…
招聘城市：深圳
岗位职责：
1.知识管理体系建设：负责平台知识库管理系统的架构设计与持续优化，主导多路检索融合方案（向量检索、图谱检索、文本检索等）的设计与落地，提升知识召回精度与效率；
2.Agent 评测体系搭建：主导 AI Agent 评测体系的设计与实施，包括评测基准构建、评测数据集建设、自动化评测工具链开发，形成从 Badcase 发现到效果闭环的系统化能力；
3.模型能力优化：针对知识库场景进行检索模型、排序模型的训练与调优，运用大模型微调（如 LoRA、数据合成等）手段提升垂直领域效果，推动模型轻量化与效果平衡；
4.技术带头人：带领技术团队进行核心技术攻关，制定技术路线与迭代计划，在有限资源下实现高 ROI 的技术产出；
5.业务落地推进…
招聘城市：重庆
岗位职责：
1.负责AI知识问答、记忆能力相关数据的标注与质量评估工作，确保标注结果准确可靠；
2.对AI生成回答的事实准确性进行系统性核查与验证，识别潜在错误或偏差；
3.评估AI模型的知识储备水平、信息检索效率及记忆提取能力表现；
4.专项识别AI回答中存在的知识性错误、过时信息或逻辑不通等问题；
5.系统整理典型标注案例，参与优化知识标注规范与评估标准体系。
岗位要求：
1.本科及以上学历，有1年以上团队管理经验，专业背景不限；
2.具备跨领域常识储备，对科技、历史、文化等常见领域有基础认知；
3.熟练运用搜索引擎等工具进行高效信息检索与交叉验证；
4.工作态度细致认真，对事实细节具有高度敏感…
招聘城市：广州
岗位职责：
1.评测体系设计：主导 AI 产品的评测体系搭建，定义评测维度、指标、标准和流程，确保评测的科学性和全面性；
2.评测方法论制定：设计适配不同场景（对话、工具调用、多轮交互、创意生成等）的评测方案，包括自动评测、人工评测、众包评测、竞品对比等；
3.评测平台产品设计：规划评测平台的产品架构和功能模块，输出 PRD，驱动研发团队落地；
4.评测洞察与决策支持：深度分析评测数据，发现产品体验问题和模型能力短板，输出有洞察力的评测报告，推动产品和算法团队优化；
5.竞品评测与行业跟踪：持续跟踪业界竞品的能力变化，建立常态化竞品评测机制；
6.标注体系管理：设计标注规范和质量控制流程，确保评测数据质量。
岗位要求…
招聘城市：北京
岗位职责：
1.敏锐把握有关部门关于AI的政策要求、监管动态，梳理制定因应方案，避免政策法律风险，助力公司AI业务合规运营；
2.深刻了解公司AI产品的发展规划和动态，及时解读传导政策要求，加强产品协同，服务产品发展；
3.密切关注AI领域的技术发展动态和行业趋势，结合本部门的工作内容，研发AI 应用工具，助力本部门和公司业务的提质增效。
岗位要求：
1.本科以上学历，具备计算机、人工智能、数据科学或相关领域技术背景者优先，五年以上相关工作经验；
2.具有敏锐的前瞻性视野，能够持续及时关注到AI行业的技术演进、应用创新、政策动向；
3.熟悉主管部门和行业机构的办事程序，具有较强的政策分析能力，能够深刻理解政策要求…
招聘城市：北京
岗位职责：
1.需求承接与规则制定：作为AI视频方向数据对接人，深入理解视频生成模型各阶段的数据需求，日常和算法/产品团队对接，主导将算法需求转化为可执行的标注规则与评测标准，并持续迭代优化；
2.项目全流程管理：独立负责AI视频方向多个并行标注/评测项目的全生命周期管理，包括需求拆解、排期规划、资源调度、进度管控、质量验收与交付复盘，确保项目按时保质交付；
3.交付质控体系搭建：主导各类项目交付和团队情况评估，部署团队，搭建视频标注与评测的质量管控体系，持续提升交付准确率，确保如期完成项目交付；
4.评测驱动迭代：对人工评测体系建设（含评测维度定义、评测集构建、评测报告撰写）有了解，基于评测结果进行bad case…
招聘城市：广州
岗位职责：
1、负责企业微信AI算法的评测标准和评测流程制定，构建评测集，并推进评测执行，分析评测结果，对模型质量给予充分评估。
2、负责NLP、ASR、MLLM等相关领域产品的交付品质，制定合理的验收机制，来评估模型品质，指导模型优化方向。
3、建设相关评测体系和流程，推动AI算法评测高效高质落地。
岗位要求：
1、计算机或者人工智能等相关专业，本科学历及以上；
2、有大模型训练或模型评估经验，熟悉大模型评测方法 , 有大模型Bench数据接入经验优先；
3、对预训练语言模型、精调、PE、RAG等大模型技术有一定理解；
招聘城市：北京，上海
岗位职责：
1、主导 AI 评测平台总体架构设计，建设统一、可扩展的评测基础设施，支持大模型、Agent、RAG、Tool及端到端 AI 应用的质量评估。
2、建立分层评测体系，覆盖模型能力评测、Agent 推理过程评测、工具调用评测、上下文与记忆评测、RAG 评测及端到端体验评测。
3、设计评测数据资产体系，统一管理评测集、线上采样、Bad Case、人工标注、合成数据和竞品数据，支持数据清洗、去重、分层、版本、血缘及权限治理。
4、建设评测集持续演进机制，将新业务场景、线上问题、模型升级和产品变化转化为新增评测样本，保持评测覆盖度、区分度和时效性。
5、设计统一的评测指标与规则体系，支持客观指标、规则评测、模型评审和人工评审，并建立…
招聘城市：广州
岗位职责：
1.评测工具开发：设计并开发 AI Agent 评测工具和自动化评测流水线，支持对话质量、任务完成率、安全性等多维度评测；
2.评测模型开发：基于 LLM 构建自动评测模型（如 Model-as-Judge），实现对 Agent 输出质量的自动化打分与分析；
3.评测平台建设：参与评测平台的架构设计与开发，支持评测任务管理、数据管理、结果可视化等功能；
4.数据处理与分析：构建评测数据集，开发数据清洗、标注管理、统计分析等配套工具；
5.持续优化：跟踪业界前沿评测方法，持续优化评测效率和准确性。
岗位要求：
1.本科及以上学历，计算机科学、人工智能、软件工程等相关专业，3 年以上开发经验；
2.熟悉 Python/Nextjs，熟悉至少一门后端语言（Go/Java/C++），熟悉 Linux…
