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": "平台及用户产品事业部-评测运营-AI助手运营",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "产品"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、设计 AI 助手评测产品体系，覆盖大盘评估、策略迭代评估，建设自动化评估能力，让评估本身可规模化。\n2、与产品和算法团队深度协作，把\"产品质量\"这种模糊的体感问题，拆解为可量化的指标体系与可执行的标注方案。\n3、探索多模态场景下的评测方法，针对不同模态的特性设计差异化的评估框架。\n4、推动评测结论真正落地——影响策略方向、影响产品决策、影响下一轮模型迭代。",
"requirements_text": "1、3年以内工作经验，有过完整的评测体系设计或搜索/推荐产品经验，理解 AI to C作为产品的核心逻辑与北极星。\n2、理解 LLM 的能力边界与失败模式，对 AI 评测的自动化评估（含 LLM-as-a-Judge）、人机协同流程——有自己的判断和实践认知。\n3、结构化思维强，能把含糊的质量诉求拆成可执行的指标树；具备跨团队协作的推动力，能让算法、产品、工程三方在同一套语言下对齐。",
"skills": [AI生成
"团队协作",
"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://talent.taotian.com/off-campus/position-detail?positionId=100021480005"
}
]
},
"posting": {
"posting_id": "100021480005",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100021480005"
},
"fulltext": "平台及用户产品事业部-评测运营-AI助手运营\n平台及用户产品事业部-评测运营-AI助手运营\n\n基础信息\n工作地点：杭州\n\n职位描述\n1、设计 AI 助手评测产品体系，覆盖大盘评估、策略迭代评估，建设自动化评估能力，让评估本身可规模化。\n2、与产品和算法团队深度协作，把\"产品质量\"这种模糊的体感问题，拆解为可量化的指标体系与可执行的标注方案。\n3、探索多模态场景下的评测方法，针对不同模态的特性设计差异化的评估框架。\n4、推动评测结论真正落地——影响策略方向、影响产品决策、影响下一轮模型迭代。\n\n职位要求\n1、3年以内工作经验，有过完整的评测体系设计或搜索/推荐产品经验，理解 AI to C作为产品的核心逻辑与北极星。\n2、理解 LLM 的能力边界与失败模式，对 AI 评测的自动化评估（含 LLM-as-a-Judge）、人机协同流程——有自己的判断和实践认知。\n3、结构化思维强，能把含糊的质量诉求拆成可执行的指标树；具备跨团队协作的推动力，能让算法、产品、工程三方在同一套语言下对齐。\n1、设计 AI 助手评测产品体系，覆盖大盘评估、策略迭代评估，建设自动化评估能力，让评估本身可规模化。\n2、与产品和算法团队深度协作，把\"产品质量\"这种模糊的体感问题，拆解为可量化的指标体系与可执行的标注方案。\n3、探索多模态场景下的评测方法，针对不同模态的特性设计差异化的评估框架。\n4、推动评测结论真正落地——影响策略方向、影响产品决策、影响下一轮模型迭代。\n1、3年以内工作经验，有过完整的评测体系设计或搜索/推荐产品经验，理解 AI to C作为产品的核心逻辑与北极星。\n2、理解 LLM 的能力边界与失败模式，对 AI 评测的自动化评估（含 LLM-as-a-Judge）、人机协同流程——有自己的判断和实践认知。\n3、结构化思维强，能把含糊的质量诉求拆成可执行的指标树；具备跨团队协作的推动力，能让算法、产品、工程三方在同一套语言下对齐。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}