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": "千问事业部-健康算法评测专家-杭州",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-质量保证"AI生成
},
"company": {
"company_name": "夸克",
"company_industry": "互联网 / 人工智能应用",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "夸克提供AI搜索等人工智能应用服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责心率、HRV、血氧、血压估算、睡眠分期、运动伪影消除等健康算法的评测方案设计、基准数据集构建与评测工程实现，确保算法精度与鲁棒性满足产品需求。\n2、建设面向健康场景的大模型评估体系（Benchmark），设计生理数据 + 用户画像多模态输入的评测集，覆盖健康状态推理、趋势分析、个性化建议生成等任务；建立评测结果的智能化判定与人工校准机制，输出专业评测报告。\n3、针对 MCU/低功耗芯片上的模型量化（INT8）、剪枝与 DSP 优化，设计精度损失评估与性能（功耗/时延/内存）评测方案，验证端云一致性。\n4、主导健康功能从算法版本、固件到 App 的全链路测试，制定评测规范与准入准出标准，识别并推动风险收敛。\n5、追踪生理信号处理、多传感器融合与大模型评测领域的前沿进展，将新方法落地到评测工具链；协同算法、固件、产品、硬件等多角色团队，驱动问题闭环。",
"requirements_text": "1、本科及以上学历，3-5 年测试 / 算法评测工作经验，具备多模态算法、大模型、音视频或图像算法之一的评测背景；\n2、熟悉以下至少一类健康算法的原理与评测方法：PPG/ECG 信号处理、运动伪影去除、HRV/血氧/睡眠分期等指标计算，理解其生理学原理而非仅会调用；\n3、掌握大模型评测方法论，有构建 Benchmark、评测集或评测平台的实践经验，了解主流评测指标（准确率、一致性、幻觉率、安全性等）及其局限；\n4、熟悉 Python，具备自动化评测框架设计开发能力，能独立完成评测数据管道与分析工具建设；\n5、良好的跨团队沟通与项目推动能力，能主导大型项目的测试规划、进度管理与风险控制。\n加分项：\n1、有智能穿戴设备（眼镜/耳机/手环/手表）健康算法落地与评测经验，熟悉端侧资源约束下的模型部署验证。了解 TinyML、模型量化/剪枝、C/C++ 嵌入式开发或 DSP 优化，能读懂并评估边缘侧算法实现；\n2、有多传感器融合（IMU + 光学信号）、卡尔曼滤波或端到端深度学习健康模型的建模/评测经验；\n3、有 AIGC / 多模态大模型（LLM、VLM）评测经验，熟悉自动化评判（LLM-as-a-Judge）与人工标注体系设计；\n4、有健康医疗数据合规（隐私、伦理）相关实践经验。",
"skills": [AI生成
"Python",
"C++",
"深度学习",
"嵌入式",
"信号处理",
"建模",
"大语言模型",
"C语言"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.quark.cn/off-campus/position-detail?positionId=100006700017"
}
]
},
"posting": {
"posting_id": "100006700017",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.quark.cn/off-campus/position-detail?positionId=100006700017"
},
"fulltext": "千问事业部-健康算法评测专家-杭州\n千问事业部-健康算法评测专家-杭州\n\n基础信息\n职位类别：技术类-质量保证\n工作地点：杭州\n\n职位描述\n1、负责心率、HRV、血氧、血压估算、睡眠分期、运动伪影消除等健康算法的评测方案设计、基准数据集构建与评测工程实现，确保算法精度与鲁棒性满足产品需求。\n2、建设面向健康场景的大模型评估体系（Benchmark），设计生理数据 + 用户画像多模态输入的评测集，覆盖健康状态推理、趋势分析、个性化建议生成等任务；建立评测结果的智能化判定与人工校准机制，输出专业评测报告。\n3、针对 MCU/低功耗芯片上的模型量化（INT8）、剪枝与 DSP 优化，设计精度损失评估与性能（功耗/时延/内存）评测方案，验证端云一致性。\n4、主导健康功能从算法版本、固件到 App 的全链路测试，制定评测规范与准入准出标准，识别并推动风险收敛。\n5、追踪生理信号处理、多传感器融合与大模型评测领域的前沿进展，将新方法落地到评测工具链；协同算法、固件、产品、硬件等多角色团队，驱动问题闭环。\n\n职位要求\n1、本科及以上学历，3-5 年测试 / 算法评测工作经验，具备多模态算法、大模型、音视频或图像算法之一的评测背景；\n2、熟悉以下至少一类健康算法的原理与评测方法：PPG/ECG 信号处理、运动伪影去除、HRV/血氧/睡眠分期等指标计算，理解其生理学原理而非仅会调用；\n3、掌握大模型评测方法论，有构建 Benchmark、评测集或评测平台的实践经验，了解主流评测指标（准确率、一致性、幻觉率、安全性等）及其局限；\n4、熟悉 Python，具备自动化评测框架设计开发能力，能独立完成评测数据管道与分析工具建设；\n5、良好的跨团队沟通与项目推动能力，能主导大型项目的测试规划、进度管理与风险控制。\n加分项：\n1、有智能穿戴设备（眼镜/耳机/手环/手表）健康算法落地与评测经验，熟悉端侧资源约束下的模型部署验证。了解 TinyML、模型量化/剪枝、C/C++ 嵌入式开发或 DSP 优化，能读懂并评估边缘侧算法实现；\n2、有多传感器融合（IMU + 光学信号）、卡尔曼滤波或端到端深度学习健康模型的建模/评测经验；\n3、有 AIGC / 多模态大模型（LLM、VLM）评测经验，熟悉自动化评判（LLM-as-a-Judge）与人工标注体系设计；\n4、有健康医疗数据合规（隐私、伦理）相关实践经验。\n1、负责心率、HRV、血氧、血压估算、睡眠分期、运动伪影消除等健康算法的评测方案设计、基准数据集构建与评测工程实现，确保算法精度与鲁棒性满足产品需求。\n2、建设面向健康场景的大模型评估体系（Benchmark），设计生理数据 + 用户画像多模态输入的评测集，覆盖健康状态推理、趋势分析、个性化建议生成等任务；建立评测结果的智能化判定与人工校准机制，输出专业评测报告。\n3、针对 MCU/低功耗芯片上的模型量化（INT8）、剪枝与 DSP 优化，设计精度损失评估与性能（功耗/时延/内存）评测方案，验证端云一致性。\n4、主导健康功能从算法版本、固件到 App 的全链路测试，制定评测规范与准入准出标准，识别并推动风险收敛。\n5、追踪生理信号处理、多传感器融合与大模型评测领域的前沿进展，将新方法落地到评测工具链；协同算法、固件、产品、硬件等多角色团队，驱动问题闭环。\n1、本科及以上学历，3-5 年测试 / 算法评测工作经验，具备多模态算法、大模型、音视频或图像算法之一的评测背景；\n2、熟悉以下至少一类健康算法的原理与评测方法：PPG/ECG 信号处理、运动伪影去除、HRV/血氧/睡眠分期等指标计算，理解其生理学原理而非仅会调用；\n3、掌握大模型评测方法论，有构建 Benchmark、评测集或评测平台的实践经验，了解主流评测指标（准确率、一致性、幻觉率、安全性等）及其局限；\n4、熟悉 Python，具备自动化评测框架设计开发能力，能独立完成评测数据管道与分析工具建设；\n5、良好的跨团队沟通与项目推动能力，能主导大型项目的测试规划、进度管理与风险控制。\n加分项：\n1、有智能穿戴设备（眼镜/耳机/手环/手表）健康算法落地与评测经验，熟悉端侧资源约束下的模型部署验证。了解 TinyML、模型量化/剪枝、C/C++ 嵌入式开发或 DSP 优化，能读懂并评估边缘侧算法实现；\n2、有多传感器融合（IMU + 光学信号）、卡尔曼滤波或端到端深度学习健康模型的建模/评测经验；\n3、有 AIGC / 多模态大模型（LLM、VLM）评测经验，熟悉自动化评判（LLM-as-a-Judge）与人工标注体系设计；\n4、有健康医疗数据合规（隐私、伦理）相关实践经验。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}