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": "晓天衡宇-大模型评测工程师-多模态方向（北京）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "晓天衡宇",
"location": "北京",
"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": "计算机、人工智能、电子信息等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责多模态评测框架的整体设计，围绕跨模态一致性、时空连续性、物理常识等核心内核拆解可量化子指标，并建立子指标至能力维度的聚合口径。\n2、负责 Omni 理解方向评测集的建设与迭代，覆盖图文、视频、音频、文档等混合输入场景下的跨模态对齐、长视频理解、音视频联合理解及多模态指令遵循等能力。\n3、负责世界模型生成方向评测方案的设计与落地，覆盖文生视频、图生视频、长时序一致性、物理规律遵循、镜头与运镜控制、可交互世界模拟等评测维度。\n4、搭建自动化指标与人工 GSB／Arena 对战相结合的评测链路，制定打分协议与质检机制，控制主观评测的偏差与平局问题。\n持续跟踪 GPT、Gemini、Qwen-Omni、Sora、Veo、可灵、Genie 等主流模型的能力演进，输出能力榜与性价比榜。\n5、负责 badcase 的结构化归因分析，定位模型在感知、对齐、推理、幻觉及物理真实性、可控性等方面的短板，形成可执行的改进结论。",
"requirements_text": "1、计算机、人工智能、电子信息等相关专业本科及以上学历，具备大模型评测、算法或数据相关工作经验。\n2、熟悉多模态大模型的主流架构与输入形态，理解视觉编码器、跨模态对齐、时序建模的基本原理，了解扩散模型、视频生成及世界模型的技术脉络。\n3、熟悉 MMBench、MMMU、Video-MME、OmniBench 等理解类评测集及主流视频生成榜单，能够客观判断其区分度与适用边界。\n4、掌握 GSB、Elo/BT 等主观评测方法，具备打分协议设计与标注一致性管理能力。\n5、具备良好的 Python 工程能力，能够独立搭建数据处理管线及生成、采样、打分的完整评测链路。\n6、对样本代表性、指标加权聚合、结果可复现性具备清晰认知，具备较强的数据分析与报告输出能力。",
"skills": [AI生成
"Python",
"数据分析",
"建模",
"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=100032180003"
}
]
},
"posting": {
"posting_id": "100032180003",
"post_date": "2026-08-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100032180003"
},
"fulltext": "晓天衡宇-大模型评测工程师-多模态方向（北京）\n晓天衡宇-大模型评测工程师-多模态方向（北京）\n\n基础信息\n工作地点：北京\n\n职位描述\n1、负责多模态评测框架的整体设计，围绕跨模态一致性、时空连续性、物理常识等核心内核拆解可量化子指标，并建立子指标至能力维度的聚合口径。\n2、负责 Omni 理解方向评测集的建设与迭代，覆盖图文、视频、音频、文档等混合输入场景下的跨模态对齐、长视频理解、音视频联合理解及多模态指令遵循等能力。\n3、负责世界模型生成方向评测方案的设计与落地，覆盖文生视频、图生视频、长时序一致性、物理规律遵循、镜头与运镜控制、可交互世界模拟等评测维度。\n4、搭建自动化指标与人工 GSB／Arena 对战相结合的评测链路，制定打分协议与质检机制，控制主观评测的偏差与平局问题。\n持续跟踪 GPT、Gemini、Qwen-Omni、Sora、Veo、可灵、Genie 等主流模型的能力演进，输出能力榜与性价比榜。\n5、负责 badcase 的结构化归因分析，定位模型在感知、对齐、推理、幻觉及物理真实性、可控性等方面的短板，形成可执行的改进结论。\n\n职位要求\n1、计算机、人工智能、电子信息等相关专业本科及以上学历，具备大模型评测、算法或数据相关工作经验。\n2、熟悉多模态大模型的主流架构与输入形态，理解视觉编码器、跨模态对齐、时序建模的基本原理，了解扩散模型、视频生成及世界模型的技术脉络。\n3、熟悉 MMBench、MMMU、Video-MME、OmniBench 等理解类评测集及主流视频生成榜单，能够客观判断其区分度与适用边界。\n4、掌握 GSB、Elo/BT 等主观评测方法，具备打分协议设计与标注一致性管理能力。\n5、具备良好的 Python 工程能力，能够独立搭建数据处理管线及生成、采样、打分的完整评测链路。\n6、对样本代表性、指标加权聚合、结果可复现性具备清晰认知，具备较强的数据分析与报告输出能力。\n1、负责多模态评测框架的整体设计，围绕跨模态一致性、时空连续性、物理常识等核心内核拆解可量化子指标，并建立子指标至能力维度的聚合口径。\n2、负责 Omni 理解方向评测集的建设与迭代，覆盖图文、视频、音频、文档等混合输入场景下的跨模态对齐、长视频理解、音视频联合理解及多模态指令遵循等能力。\n3、负责世界模型生成方向评测方案的设计与落地，覆盖文生视频、图生视频、长时序一致性、物理规律遵循、镜头与运镜控制、可交互世界模拟等评测维度。\n4、搭建自动化指标与人工 GSB／Arena 对战相结合的评测链路，制定打分协议与质检机制，控制主观评测的偏差与平局问题。\n持续跟踪 GPT、Gemini、Qwen-Omni、Sora、Veo、可灵、Genie 等主流模型的能力演进，输出能力榜与性价比榜。\n5、负责 badcase 的结构化归因分析，定位模型在感知、对齐、推理、幻觉及物理真实性、可控性等方面的短板，形成可执行的改进结论。\n1、计算机、人工智能、电子信息等相关专业本科及以上学历，具备大模型评测、算法或数据相关工作经验。\n2、熟悉多模态大模型的主流架构与输入形态，理解视觉编码器、跨模态对齐、时序建模的基本原理，了解扩散模型、视频生成及世界模型的技术脉络。\n3、熟悉 MMBench、MMMU、Video-MME、OmniBench 等理解类评测集及主流视频生成榜单，能够客观判断其区分度与适用边界。\n4、掌握 GSB、Elo/BT 等主观评测方法，具备打分协议设计与标注一致性管理能力。\n5、具备良好的 Python 工程能力，能够独立搭建数据处理管线及生成、采样、打分的完整评测链路。\n6、对样本代表性、指标加权聚合、结果可复现性具备清晰认知，具备较强的数据分析与报告输出能力。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}