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": "千问办公-AI评测工程师-杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "未披露"AI生成
},
"company": {
"company_name": "钉钉",
"company_industry": "企业服务 / 协同办公",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "钉钉提供企业沟通、协同办公和组织数字化工具。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责千问办公评测平台建设，构建覆盖模型、AgentLoop、Skills多维度评测方案，设计落地高效、端到端、可量化的自动化评测Pipeline\n2、结合业界最佳实践与 B 端办公真实业务场景，通过专家设计和数据合成等手段，动态构建高质量评测集和 LLM-as-Judge 评估器\n3、基于离线评测和在线观测数据，与产品、技术、运营、财务团队紧密协作，驱动Agent自进化迭代，参与设计高性价比的模型调度与定价策略\n4、建立常态化竞品评测体系，对标行业头部产品，为产品方向和技术路线决策提供支撑",
"requirements_text": "1、本科及以上，计算机科学、软件工程、人工智能、统计学等相关专业，3年以上工程/测试工作经验\n2、扎实的软件工程与测试能力，熟练使用 Python / Java / Go 中至少一门语言，具备复杂分布式系统的测试设计与执行经验\n3、熟悉主流 LLM 评测基准与方法（如 HumanEval、SWE-bench、MMLU、GSM8K 等），能结合B端业务场景进行评测方案适配与设计\n4、具备 Agent 评测或开发经验，熟悉 Context Engineering、ReAct、Function Calling、Tool Use、Planning 等核心概念，有端到端评测报告输出的实战经历\n5、良好的数据分析与归因能力，能基于评测数据驱动质量改进，协同算法、工程团队构建 Agent 自进化闭环\n6、自驱力强，善于独立思考与跨团队协作，乐于总结分享，对 AI 产品质量有高标准追求",
"skills": [AI生成
"Python",
"Java",
"React",
"分布式系统",
"数据分析",
"团队协作",
"Go",
"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.dingtalk.com/off-campus/position-detail?positionId=100034860004"
}
]
},
"posting": {
"posting_id": "100034860004",
"post_date": "2026-09-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100034860004"
},
"fulltext": "千问办公-AI评测工程师-杭州\n千问办公-AI评测工程师-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n1、负责千问办公评测平台建设，构建覆盖模型、AgentLoop、Skills多维度评测方案，设计落地高效、端到端、可量化的自动化评测Pipeline\n2、结合业界最佳实践与 B 端办公真实业务场景，通过专家设计和数据合成等手段，动态构建高质量评测集和 LLM-as-Judge 评估器\n3、基于离线评测和在线观测数据，与产品、技术、运营、财务团队紧密协作，驱动Agent自进化迭代，参与设计高性价比的模型调度与定价策略\n4、建立常态化竞品评测体系，对标行业头部产品，为产品方向和技术路线决策提供支撑\n\n职位要求\n1、本科及以上，计算机科学、软件工程、人工智能、统计学等相关专业，3年以上工程/测试工作经验\n2、扎实的软件工程与测试能力，熟练使用 Python / Java / Go 中至少一门语言，具备复杂分布式系统的测试设计与执行经验\n3、熟悉主流 LLM 评测基准与方法（如 HumanEval、SWE-bench、MMLU、GSM8K 等），能结合B端业务场景进行评测方案适配与设计\n4、具备 Agent 评测或开发经验，熟悉 Context Engineering、ReAct、Function Calling、Tool Use、Planning 等核心概念，有端到端评测报告输出的实战经历\n5、良好的数据分析与归因能力，能基于评测数据驱动质量改进，协同算法、工程团队构建 Agent 自进化闭环\n6、自驱力强，善于独立思考与跨团队协作，乐于总结分享，对 AI 产品质量有高标准追求\n1、负责千问办公评测平台建设，构建覆盖模型、AgentLoop、Skills多维度评测方案，设计落地高效、端到端、可量化的自动化评测Pipeline\n2、结合业界最佳实践与 B 端办公真实业务场景，通过专家设计和数据合成等手段，动态构建高质量评测集和 LLM-as-Judge 评估器\n3、基于离线评测和在线观测数据，与产品、技术、运营、财务团队紧密协作，驱动Agent自进化迭代，参与设计高性价比的模型调度与定价策略\n4、建立常态化竞品评测体系，对标行业头部产品，为产品方向和技术路线决策提供支撑\n1、本科及以上，计算机科学、软件工程、人工智能、统计学等相关专业，3年以上工程/测试工作经验\n2、扎实的软件工程与测试能力，熟练使用 Python / Java / Go 中至少一门语言，具备复杂分布式系统的测试设计与执行经验\n3、熟悉主流 LLM 评测基准与方法（如 HumanEval、SWE-bench、MMLU、GSM8K 等），能结合B端业务场景进行评测方案适配与设计\n4、具备 Agent 评测或开发经验，熟悉 Context Engineering、ReAct、Function Calling、Tool Use、Planning 等核心概念，有端到端评测报告输出的实战经历\n5、良好的数据分析与归因能力，能基于评测数据驱动质量改进，协同算法、工程团队构建 Agent 自进化闭环\n6、自驱力强，善于独立思考与跨团队协作，乐于总结分享，对 AI 产品质量有高标准追求",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}