主分类：AI模型评测工程
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "混元语音大模型agentic评测（北京/上海）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "TEG",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "产品"AI生成
},
"company": {
"company_name": "腾讯",
"company_industry": "互联网 / 科技 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 2,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.主导 Agent 方向评测体系整体设计与落地实施，完成模型能力定义，搭建面向复杂智能体场景的评测任务体系；围绕多步推理、环境交互、工具编排、长程规划、异常错误恢复等核心维度，搭建贴合真实 Agentic 工作流的端到端评测方案；\r\n2.搭建评测数据全链路质量管控体系，落地试题查重、数据污染检测、难度分级标定校准、标注规范制定、标注一致性审核等机制，保障评测结果可信、稳定、可复现；\r\n3.联动模型训练团队深度对齐，提炼评测结论与优化洞察，输出模型能力迭代改进方向；协同工程团队推进评测基础设施建设，搭建可支撑高频次、大规模自动化评测的流水线；\r\n4.持续跟进 Agent 领域学术界、工业界前沿技术动态，输出评测体系迭代演进策略，持续优化评测方案，精准衡量大模型智能体真实能力边界；\r\n5.探索融合多模态能力的 Agentic 评测新思路、新方案，并完成方案验证与落地实施。",
"requirements_text": "1.本科及以上学历，拥有 2 年及以上互联网 / 人工智能领域相关评测工作经验；\r\n2.具备从 0 到 1 独立设计 Agent Benchmark 完整实战经验，深刻理解评测数据集在区分度、数据抗污染、生态效度等维度的设计取舍与平衡；\r\n3.熟悉 WebArena、OSWorld、GAIA、AgentBench 等主流 Agent 评测基准，掌握各类评测集底层设计思路、适用场景与固有局限性；\r\n4.熟练使用 Python，具备扎实的数据处理、统计分析与数据可视化能力；熟悉主流大模型推理服务调用方式，了解相关工程落地约束；\r\n5.精通 Agent 主流框架核心机制，掌握 ReAct、工具调用（Tool Use）、任务规划（Planning）等经典范式，具备 MCP 等工具协议相关认知或项目实践经验；\r\n6.强结果导向，拥有良好的技术文档撰写能力，突出的跨团队沟通协调、项目推进落地能力。",
"skills": [AI生成
"Python",
"React",
"统计分析",
"项目推进",
"沟通协调",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2077312441141866496"
}
]
},
"posting": {
"posting_id": "2077312441141866496",
"post_date": "2026-08-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2077312441141866496"
},
"fulltext": "混元语音大模型agentic评测（北京/上海）\n1.主导 Agent 方向评测体系整体设计与落地实施，完成模型能力定义，搭建面向复杂智能体场景的评测任务体系；围绕多步推理、环境交互、工具编排、长程规划、异常错误恢复等核心维度，搭建贴合真实 Agentic 工作流的端到端评测方案；\r\n2.搭建评测数据全链路质量管控体系，落地试题查重、数据污染检测、难度分级标定校准、标注规范制定、标注一致性审核等机制，保障评测结果可信、稳定、可复现；\r\n3.联动模型训练团队深度对齐，提炼评测结论与优化洞察，输出模型能力迭代改进方向；协同工程团队推进评测基础设施建设，搭建可支撑高频次、大规模自动化评测的流水线；\r\n4.持续跟进 Agent 领域学术界、工业界前沿技术动态，输出评测体系迭代演进策略，持续优化评测方案，精准衡量大模型智能体真实能力边界；\r\n5.探索融合多模态能力的 Agentic 评测新思路、新方案，并完成方案验证与落地实施。\n1.本科及以上学历，拥有 2 年及以上互联网 / 人工智能领域相关评测工作经验；\r\n2.具备从 0 到 1 独立设计 Agent Benchmark 完整实战经验，深刻理解评测数据集在区分度、数据抗污染、生态效度等维度的设计取舍与平衡；\r\n3.熟悉 WebArena、OSWorld、GAIA、AgentBench 等主流 Agent 评测基准，掌握各类评测集底层设计思路、适用场景与固有局限性；\r\n4.熟练使用 Python，具备扎实的数据处理、统计分析与数据可视化能力；熟悉主流大模型推理服务调用方式，了解相关工程落地约束；\r\n5.精通 Agent 主流框架核心机制，掌握 ReAct、工具调用（Tool Use）、任务规划（Planning）等经典范式，具备 MCP 等工具协议相关认知或项目实践经验；\r\n6.强结果导向，拥有良好的技术文档撰写能力，突出的跨团队沟通协调、项目推进落地能力。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}