{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agent策略产品（评测方向） - 豆包",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "产品"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "团队介绍：字节跳动豆包产品团队，在这里你将有机会参与到行业前沿产品的规划设计，开拓自己的行业视野，与先进团队共同成长。\n\n1、负责Agent评测体系建设，规划重点场景、任务分层、评估指标和验收标准，持续跟踪行业进展并引入有效的评测方法；\n2、深入企业和行业场景，与行业专家、客户、业务、产品及算法团队协作，理解真实工作流、交付物和验收方式，将高价值工作转化为可复现、可验证、有区分度的评测任务；\n3、设计和维护高质量评测集，完整建设任务描述、输入材料、执行环境、参考产物、Rubrics、Verifier和隐藏测试，保障题目的真实性、覆盖度、难度、稳定性和可追溯性；建设高效的数据生产管线，打通线上任务与用户反馈、专家出题、企业共建、供应商采购和数据合成等来源，完成数据采集、清洗、改写、标注、质检、去重、分层及版本管理；\n4、建设规模化自动评测能力，综合使用规则、代码、程序化验证、Agent Judger和专家评审，完成任务执行、产物解析、自动评分、人工校准、回归评测和评测集动态更新，持续提升评测的准确性、一致性和效率；\n5、系统分析评测结果和失败案例，定位模型、Harness、Skill、工具、环境等环节的能力缺口，将结论转化为数据生产、模型训练和产品优化建议，并协同相关团队推动落地。",
        "requirements_text": "1、本科及以上学历，具备大模型或Agent评测、数据建设、测试开发、AI产品质量、行业数字化等相关经验；\n2、对真实业务场景有较强的理解和抽象能力，能够快速进入陌生行业，梳理复杂工作流并判断任务的业务价值、真实性和验收方式；\n3、熟悉自动评测、评分量表、成对比较、Pass@K、程序化验证和LLM-as-a-Judge等常见评测方法，能够设计合理的评测实验；\n4、具备数据分析和基础编程能力，能够使用Python、SQL等工具完成数据处理、评测实验及自动化流程建设；\n5、具备优秀的结构化分析、沟通和项目推动能力，能够与行业专家、算法、数据、产品、平台及外部合作伙伴高效协作；\n6、对Agent发展有持续热情，能够主动发现问题、验证假设，并在快速变化的领域中持续学习。\n\n加分项：\n1、在金融、医药、零售电商、增长营销、法律、工程等至少一个复杂行业拥有深入经验；\n2、建设过真实任务Benchmark、自动化评测流水线或大规模数据生产管线；\n3、有复杂端到端Agent、Computer Use、多工具执行、长程任务或任务环境构建经验；\n4、有企业客户、行业专家、供应商或数据合作项目经验；\n5、了解SFT、RL、数据合成和Reward设计，能够理解评测数据与模型优化之间的关系。",
        "skills": [AI生成
            "Python",
            "SQL",
            "数据分析",
            "测试开发",
            "大语言模型"
        ],
        "preferred_qualifications": "加分项：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7680450684751808821/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7680450684751808821",
        "post_date": "2026-09-01",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7680450684751808821/detail"
    },
    "fulltext": "Agent策略产品（评测方向） - 豆包\n职位描述\n团队介绍：字节跳动豆包产品团队，在这里你将有机会参与到行业前沿产品的规划设计，开拓自己的行业视野，与先进团队共同成长。\n\n1、负责Agent评测体系建设，规划重点场景、任务分层、评估指标和验收标准，持续跟踪行业进展并引入有效的评测方法；\n2、深入企业和行业场景，与行业专家、客户、业务、产品及算法团队协作，理解真实工作流、交付物和验收方式，将高价值工作转化为可复现、可验证、有区分度的评测任务；\n3、设计和维护高质量评测集，完整建设任务描述、输入材料、执行环境、参考产物、Rubrics、Verifier和隐藏测试，保障题目的真实性、覆盖度、难度、稳定性和可追溯性；建设高效的数据生产管线，打通线上任务与用户反馈、专家出题、企业共建、供应商采购和数据合成等来源，完成数据采集、清洗、改写、标注、质检、去重、分层及版本管理；\n4、建设规模化自动评测能力，综合使用规则、代码、程序化验证、Agent Judger和专家评审，完成任务执行、产物解析、自动评分、人工校准、回归评测和评测集动态更新，持续提升评测的准确性、一致性和效率；\n5、系统分析评测结果和失败案例，定位模型、Harness、Skill、工具、环境等环节的能力缺口，将结论转化为数据生产、模型训练和产品优化建议，并协同相关团队推动落地。\n\n职位要求\n1、本科及以上学历，具备大模型或Agent评测、数据建设、测试开发、AI产品质量、行业数字化等相关经验；\n2、对真实业务场景有较强的理解和抽象能力，能够快速进入陌生行业，梳理复杂工作流并判断任务的业务价值、真实性和验收方式；\n3、熟悉自动评测、评分量表、成对比较、Pass@K、程序化验证和LLM-as-a-Judge等常见评测方法，能够设计合理的评测实验；\n4、具备数据分析和基础编程能力，能够使用Python、SQL等工具完成数据处理、评测实验及自动化流程建设；\n5、具备优秀的结构化分析、沟通和项目推动能力，能够与行业专家、算法、数据、产品、平台及外部合作伙伴高效协作；\n6、对Agent发展有持续热情，能够主动发现问题、验证假设，并在快速变化的领域中持续学习。\n\n加分项：\n1、在金融、医药、零售电商、增长营销、法律、工程等至少一个复杂行业拥有深入经验；\n2、建设过真实任务Benchmark、自动化评测流水线或大规模数据生产管线；\n3、有复杂端到端Agent、Computer Use、多工具执行、长程任务或任务环境构建经验；\n4、有企业客户、行业专家、供应商或数据合作项目经验；\n5、了解SFT、RL、数据合成和Reward设计，能够理解评测数据与模型优化之间的关系。\n团队介绍：字节跳动豆包产品团队，在这里你将有机会参与到行业前沿产品的规划设计，开拓自己的行业视野，与先进团队共同成长。\n\n1、负责Agent评测体系建设，规划重点场景、任务分层、评估指标和验收标准，持续跟踪行业进展并引入有效的评测方法；\n2、深入企业和行业场景，与行业专家、客户、业务、产品及算法团队协作，理解真实工作流、交付物和验收方式，将高价值工作转化为可复现、可验证、有区分度的评测任务；\n3、设计和维护高质量评测集，完整建设任务描述、输入材料、执行环境、参考产物、Rubrics、Verifier和隐藏测试，保障题目的真实性、覆盖度、难度、稳定性和可追溯性；建设高效的数据生产管线，打通线上任务与用户反馈、专家出题、企业共建、供应商采购和数据合成等来源，完成数据采集、清洗、改写、标注、质检、去重、分层及版本管理；\n4、建设规模化自动评测能力，综合使用规则、代码、程序化验证、Agent Judger和专家评审，完成任务执行、产物解析、自动评分、人工校准、回归评测和评测集动态更新，持续提升评测的准确性、一致性和效率；\n5、系统分析评测结果和失败案例，定位模型、Harness、Skill、工具、环境等环节的能力缺口，将结论转化为数据生产、模型训练和产品优化建议，并协同相关团队推动落地。\n1、本科及以上学历，具备大模型或Agent评测、数据建设、测试开发、AI产品质量、行业数字化等相关经验；\n2、对真实业务场景有较强的理解和抽象能力，能够快速进入陌生行业，梳理复杂工作流并判断任务的业务价值、真实性和验收方式；\n3、熟悉自动评测、评分量表、成对比较、Pass@K、程序化验证和LLM-as-a-Judge等常见评测方法，能够设计合理的评测实验；\n4、具备数据分析和基础编程能力，能够使用Python、SQL等工具完成数据处理、评测实验及自动化流程建设；\n5、具备优秀的结构化分析、沟通和项目推动能力，能够与行业专家、算法、数据、产品、平台及外部合作伙伴高效协作；\n6、对Agent发展有持续热情，能够主动发现问题、验证假设，并在快速变化的领域中持续学习。\n\n加分项：\n1、在金融、医药、零售电商、增长营销、法律、工程等至少一个复杂行业拥有深入经验；\n2、建设过真实任务Benchmark、自动化评测流水线或大规模数据生产管线；\n3、有复杂端到端Agent、Computer Use、多工具执行、长程任务或任务环境构建经验；\n4、有企业客户、行业专家、供应商或数据合作项目经验；\n5、了解SFT、RL、数据合成和Reward设计，能够理解评测数据与模型优化之间的关系。",
    "standard_classification": {
        "std_category_code": "T015",
        "std_aux_codes": [
            "PM004"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}