主分类：AI训练数据标注与评测运营
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": "晓天衡宇-大模型标注评测工程师-泛领域",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "晓天衡宇",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"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": "1. 负责包括但不局限于人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检工作；与算法及产品团队协作，理解 RM 训练和 rollout 打分的数据诉求，交付满足研发需求的高质量数据。\n2. 设计并落地覆盖办公生产力（文档、PPT、Excel）和电商运营场景的标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。\n3. 统筹本方向的评测方案与数据生产方案，为 rubric 设计、verifier 校验、轨迹打分等环节制定可操作的标准；定期开展 pass 与非 pass 双向抽检，迭代标注规范。\n4. 构建并维护本方向的数据质量管理体系，对轨迹根因归因（模型能力 / 评测缺陷 / 任务定义）的闭环负责；警惕分数虚高等隐性风险，持续优化迭代。\n5. 管理标注专家团队，统筹日常任务分配与产能调度；与上下游（算法、产品、领域专家）充分协作，把个人判断力沉淀为团队方法论。",
"requirements_text": "1. 本科及以上学历，在 AI 评测、RLHF / RL 轨迹标注、rubric 设计等领域有实际项目经验；具备人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公领域 3 年以上从业或研究经历，能独立判断\"\"轨迹哪里错、为什么错\"\"。\n2. 对标注质量和 reward signal 分布敏感，能通过科学方法发现问题（如 verifier 漏洞、LLM Judge 偏好拟合等），推动业务指标达成。\n3. 熟悉数据标注工具与质检平台，掌握 Python，能进行抽检统计、一致性分析与自动化脚本编写；了解 reward modeling 基本概念，熟悉 agent / 工具调用领域常见的评测与训练范式。\n4. 具备目标管理和团队管理能力，能统筹 5 人以上标注专家团队；善于跨团队沟通协作，关注效果数据和目标达成。\n5. 积极主动，对 AI 有激情；思维严谨，拒绝\"\"感觉上 / 差不多\"\"，每个判断都能指向具体证据。",
"skills": [AI生成
"Python",
"数据标注",
"团队管理",
"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-holding.alibaba.com/off-campus/position-detail?positionId=100031280004"
}
]
},
"posting": {
"posting_id": "100031280004",
"post_date": "2026-09-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100031280004"
},
"fulltext": "晓天衡宇-大模型标注评测工程师-泛领域\n晓天衡宇-大模型标注评测工程师-泛领域\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 负责包括但不局限于人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检工作；与算法及产品团队协作，理解 RM 训练和 rollout 打分的数据诉求，交付满足研发需求的高质量数据。\n2. 设计并落地覆盖办公生产力（文档、PPT、Excel）和电商运营场景的标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。\n3. 统筹本方向的评测方案与数据生产方案，为 rubric 设计、verifier 校验、轨迹打分等环节制定可操作的标准；定期开展 pass 与非 pass 双向抽检，迭代标注规范。\n4. 构建并维护本方向的数据质量管理体系，对轨迹根因归因（模型能力 / 评测缺陷 / 任务定义）的闭环负责；警惕分数虚高等隐性风险，持续优化迭代。\n5. 管理标注专家团队，统筹日常任务分配与产能调度；与上下游（算法、产品、领域专家）充分协作，把个人判断力沉淀为团队方法论。\n\n职位要求\n1. 本科及以上学历，在 AI 评测、RLHF / RL 轨迹标注、rubric 设计等领域有实际项目经验；具备人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公领域 3 年以上从业或研究经历，能独立判断\"\"轨迹哪里错、为什么错\"\"。\n2. 对标注质量和 reward signal 分布敏感，能通过科学方法发现问题（如 verifier 漏洞、LLM Judge 偏好拟合等），推动业务指标达成。\n3. 熟悉数据标注工具与质检平台，掌握 Python，能进行抽检统计、一致性分析与自动化脚本编写；了解 reward modeling 基本概念，熟悉 agent / 工具调用领域常见的评测与训练范式。\n4. 具备目标管理和团队管理能力，能统筹 5 人以上标注专家团队；善于跨团队沟通协作，关注效果数据和目标达成。\n5. 积极主动，对 AI 有激情；思维严谨，拒绝\"\"感觉上 / 差不多\"\"，每个判断都能指向具体证据。\n1. 负责包括但不局限于人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检工作；与算法及产品团队协作，理解 RM 训练和 rollout 打分的数据诉求，交付满足研发需求的高质量数据。\n2. 设计并落地覆盖办公生产力（文档、PPT、Excel）和电商运营场景的标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。\n3. 统筹本方向的评测方案与数据生产方案，为 rubric 设计、verifier 校验、轨迹打分等环节制定可操作的标准；定期开展 pass 与非 pass 双向抽检，迭代标注规范。\n4. 构建并维护本方向的数据质量管理体系，对轨迹根因归因（模型能力 / 评测缺陷 / 任务定义）的闭环负责；警惕分数虚高等隐性风险，持续优化迭代。\n5. 管理标注专家团队，统筹日常任务分配与产能调度；与上下游（算法、产品、领域专家）充分协作，把个人判断力沉淀为团队方法论。\n1. 本科及以上学历，在 AI 评测、RLHF / RL 轨迹标注、rubric 设计等领域有实际项目经验；具备人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公领域 3 年以上从业或研究经历，能独立判断\"\"轨迹哪里错、为什么错\"\"。\n2. 对标注质量和 reward signal 分布敏感，能通过科学方法发现问题（如 verifier 漏洞、LLM Judge 偏好拟合等），推动业务指标达成。\n3. 熟悉数据标注工具与质检平台，掌握 Python，能进行抽检统计、一致性分析与自动化脚本编写；了解 reward modeling 基本概念，熟悉 agent / 工具调用领域常见的评测与训练范式。\n4. 具备目标管理和团队管理能力，能统筹 5 人以上标注专家团队；善于跨团队沟通协作，关注效果数据和目标达成。\n5. 积极主动，对 AI 有激情；思维严谨，拒绝\"\"感觉上 / 差不多\"\"，每个判断都能指向具体证据。",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}