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": "Token Foundry-大模型评测与对齐算法专家-Qwen",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "通义",
"company_industry": "人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "通义提供人工智能模型及文档阅读等AI应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 1,
"degree": "计算机科学、人工智能等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责建设面向集团各业务线的大模型评测体系，涵盖通用能力评测与业务场景定制评测，优化基于 LLM-as-Judge、自动化评测模型训练、人工评估和用户行为数据的多维度评测框架，保障评测结果的全面性和可靠性。\n2. 构建多维度评测指标体系（准确性、安全性、流畅度、一致性、业务指标等），覆盖 APP 对话助手及各业务线智能体场景。\n3. 深度参与模型迭代过程中的评测驱动优化，建设完整的“数据→训练→评测→反馈”的高效数据飞轮。\n4. 跟踪业界主流评测方法与 Benchmark 动态，持续优化内部评测体系。",
"requirements_text": "1. 计算机科学、人工智能等相关专业硕士及以上学历，1 年以上大模型研发相关工作经验。\n2. 了解 LLM 常见的能力维度（推理、知识、指令遵循、安全、多轮对话等）及对应的评测策略。\n3. 具备大模型评测体系设计与落地经验，熟悉主流 Benchmark 与评测框架，有 Rubrics 评测、Arena 对战评测等评测方法实践经验者优先。\n4. 较强的数据分析能力、优秀的沟通能力与业务理解力，能够从评测数据中提炼模型短板、定位根因、驱动优化方向，能与产品、业务团队有效对齐评测标准。\n5. 对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先。\n6. 关注领域前沿，有 NeurIPS / ICML / ICLR / ACL 等顶会论文发表者优先。",
"skills": [AI生成
"数据分析",
"沟通能力",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "3. 具备大模型评测体系设计与落地经验，熟悉主流 Benchmark 与评测框架，有 Rubrics 评测、Arena 对战评测等评测方法实践经验者优先；5. 对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先；6. 关注领域前沿，有 NeurIPS / ICML / ICLR / ACL 等顶会论文发表者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100012520008"
}
]
},
"posting": {
"posting_id": "100012520008",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers-tongyi.alibaba.com/off-campus/position-detail?positionId=100012520008"
},
"fulltext": "Token Foundry-大模型评测与对齐算法专家-Qwen\nToken Foundry-大模型评测与对齐算法专家-Qwen\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n1. 负责建设面向集团各业务线的大模型评测体系，涵盖通用能力评测与业务场景定制评测，优化基于 LLM-as-Judge、自动化评测模型训练、人工评估和用户行为数据的多维度评测框架，保障评测结果的全面性和可靠性。\n2. 构建多维度评测指标体系（准确性、安全性、流畅度、一致性、业务指标等），覆盖 APP 对话助手及各业务线智能体场景。\n3. 深度参与模型迭代过程中的评测驱动优化，建设完整的“数据→训练→评测→反馈”的高效数据飞轮。\n4. 跟踪业界主流评测方法与 Benchmark 动态，持续优化内部评测体系。\n\n职位要求\n1. 计算机科学、人工智能等相关专业硕士及以上学历，1 年以上大模型研发相关工作经验。\n2. 了解 LLM 常见的能力维度（推理、知识、指令遵循、安全、多轮对话等）及对应的评测策略。\n3. 具备大模型评测体系设计与落地经验，熟悉主流 Benchmark 与评测框架，有 Rubrics 评测、Arena 对战评测等评测方法实践经验者优先。\n4. 较强的数据分析能力、优秀的沟通能力与业务理解力，能够从评测数据中提炼模型短板、定位根因、驱动优化方向，能与产品、业务团队有效对齐评测标准。\n5. 对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先。\n6. 关注领域前沿，有 NeurIPS / ICML / ICLR / ACL 等顶会论文发表者优先。\n1. 负责建设面向集团各业务线的大模型评测体系，涵盖通用能力评测与业务场景定制评测，优化基于 LLM-as-Judge、自动化评测模型训练、人工评估和用户行为数据的多维度评测框架，保障评测结果的全面性和可靠性。\n2. 构建多维度评测指标体系（准确性、安全性、流畅度、一致性、业务指标等），覆盖 APP 对话助手及各业务线智能体场景。\n3. 深度参与模型迭代过程中的评测驱动优化，建设完整的“数据→训练→评测→反馈”的高效数据飞轮。\n4. 跟踪业界主流评测方法与 Benchmark 动态，持续优化内部评测体系。\n1. 计算机科学、人工智能等相关专业硕士及以上学历，1 年以上大模型研发相关工作经验。\n2. 了解 LLM 常见的能力维度（推理、知识、指令遵循、安全、多轮对话等）及对应的评测策略。\n3. 具备大模型评测体系设计与落地经验，熟悉主流 Benchmark 与评测框架，有 Rubrics 评测、Arena 对战评测等评测方法实践经验者优先。\n4. 较强的数据分析能力、优秀的沟通能力与业务理解力，能够从评测数据中提炼模型短板、定位根因、驱动优化方向，能与产品、业务团队有效对齐评测标准。\n5. 对解决具有挑战性的技术问题充满热情，有开源社区贡献（如大模型相关项目）者优先。\n6. 关注领域前沿，有 NeurIPS / ICML / ICLR / ACL 等顶会论文发表者优先。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}