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-评测平台-平台研发方向",
"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": "软件研发"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": 3,
"degree": "本科以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责阿里集团评测平台的整体架构设计与核心能力建设，覆盖基座模型、Agent与Skills等评测对象，支撑文本/生图/音频/视频等多模态模型，Agent以及集团内各类Skills的评测需求。\n2. 搭建评测诊断、归因分析与报告生成能力，沉淀一套可复用的评测分析方法论；针对评测失败原因、得分分布、执行轨迹与Badcase做深度归因，为基座模型、Agent与Skills的能力迭代提供依据。\n3. 跟进业界模型与Benchmark的最新进展，制定评测实施计划与应急预案，推进评测任务落地、验收评测结果并产出高质量分析报告，把评测元信息、结果与报告沉淀为可管理、可检索的数据资产。\n4. 与领域专家团队协作，支撑评测集的制作、验收与上架，配合完成敏捷评测与全面评测，提升评测全链路的自动化程度与工程效率。\n5. 支撑集团内各类Agent及竞品接入EVA+自动化评测体系，开发Agent接入诊断与提效工具，建设业务评测集的自动化生成能力，降低业务方的接入与维护成本。",
"requirements_text": "1. 本科以上学历，计算机、人工智能等相关专业优先；3年以上平台研发或AI工程经验。\n2. 工程功底扎实，精通Python或Java至少一门，熟练使用Linux开发环境，能用Shell脚本完成自动化。\n3. 对AI技术有热情，理解AI评测体系，具备AI应用类平台从设计到落地的完整经验。\n4. 复杂问题的拆解与解决能力强，跨团队沟通协作顺畅，能协调组内外资源推动项目高质量落地。",
"skills": [AI生成
"Python",
"Java",
"Linux"
],
"preferred_qualifications": "1. 本科以上学历，计算机、人工智能等相关专业优先",
"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=100034020003"
}
]
},
"posting": {
"posting_id": "100034020003",
"post_date": "2026-09-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100034020003"
},
"fulltext": "晓天衡宇-评测平台-平台研发方向\n晓天衡宇-评测平台-平台研发方向\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 负责阿里集团评测平台的整体架构设计与核心能力建设，覆盖基座模型、Agent与Skills等评测对象，支撑文本/生图/音频/视频等多模态模型，Agent以及集团内各类Skills的评测需求。\n2. 搭建评测诊断、归因分析与报告生成能力，沉淀一套可复用的评测分析方法论；针对评测失败原因、得分分布、执行轨迹与Badcase做深度归因，为基座模型、Agent与Skills的能力迭代提供依据。\n3. 跟进业界模型与Benchmark的最新进展，制定评测实施计划与应急预案，推进评测任务落地、验收评测结果并产出高质量分析报告，把评测元信息、结果与报告沉淀为可管理、可检索的数据资产。\n4. 与领域专家团队协作，支撑评测集的制作、验收与上架，配合完成敏捷评测与全面评测，提升评测全链路的自动化程度与工程效率。\n5. 支撑集团内各类Agent及竞品接入EVA+自动化评测体系，开发Agent接入诊断与提效工具，建设业务评测集的自动化生成能力，降低业务方的接入与维护成本。\n\n职位要求\n1. 本科以上学历，计算机、人工智能等相关专业优先；3年以上平台研发或AI工程经验。\n2. 工程功底扎实，精通Python或Java至少一门，熟练使用Linux开发环境，能用Shell脚本完成自动化。\n3. 对AI技术有热情，理解AI评测体系，具备AI应用类平台从设计到落地的完整经验。\n4. 复杂问题的拆解与解决能力强，跨团队沟通协作顺畅，能协调组内外资源推动项目高质量落地。\n1. 负责阿里集团评测平台的整体架构设计与核心能力建设，覆盖基座模型、Agent与Skills等评测对象，支撑文本/生图/音频/视频等多模态模型，Agent以及集团内各类Skills的评测需求。\n2. 搭建评测诊断、归因分析与报告生成能力，沉淀一套可复用的评测分析方法论；针对评测失败原因、得分分布、执行轨迹与Badcase做深度归因，为基座模型、Agent与Skills的能力迭代提供依据。\n3. 跟进业界模型与Benchmark的最新进展，制定评测实施计划与应急预案，推进评测任务落地、验收评测结果并产出高质量分析报告，把评测元信息、结果与报告沉淀为可管理、可检索的数据资产。\n4. 与领域专家团队协作，支撑评测集的制作、验收与上架，配合完成敏捷评测与全面评测，提升评测全链路的自动化程度与工程效率。\n5. 支撑集团内各类Agent及竞品接入EVA+自动化评测体系，开发Agent接入诊断与提效工具，建设业务评测集的自动化生成能力，降低业务方的接入与维护成本。\n1. 本科以上学历，计算机、人工智能等相关专业优先；3年以上平台研发或AI工程经验。\n2. 工程功底扎实，精通Python或Java至少一门，熟练使用Linux开发环境，能用Shell脚本完成自动化。\n3. 对AI技术有热情，理解AI评测体系，具备AI应用类平台从设计到落地的完整经验。\n4. 复杂问题的拆解与解决能力强，跨团队沟通协作顺畅，能协调组内外资源推动项目高质量落地。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}