主分类：AI模型评测工程
辅助：大模型与生成式算法研发（仅展示）
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": "数据技术及产品部-大模型评测算法-CUA方向",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"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": "硕士及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位描述：面向\"电脑操作智能体\"（自主操作 GUI、浏览器、桌面 / 移动端软件完成任务的大模型 Agent），独立负责其能力提升的完整闭环。\n岗位职责\n1. 设计 CUA 评测任务与轨迹级评分体系（GUI grounding、任务规划、多步操作、长程任务成功率等），定位模型失败模式（误点击、幻觉操作、状态误判、循环卡死等）。对标并扩展业界 benchmark：OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro等，并维护内部私有测试集防污染。\n2. 针对短板设计操作轨迹合成、环境（沙箱 OS / 浏览器 / 移动端 / 专业软件）合成、拒绝采样等方案，产出高质量训练数据。\n3. 主导 SFT / RL 训练消化数据，用评测复测验证短板是否被优化，推动闭环持续迭代。",
"requirements_text": "1. 硕士及以上，计算机 / AI 相关专业；3 年以上大模型相关研发经验，或具备高质量论文 / 开源成果（不唯年限，重在深度）。\n2. 熟悉 Agent 训练、工具调用（tool use / function calling）、多模态（尤其视觉 - GUI 理解与 grounding），了解强化学习与奖励建模。\n3. 熟悉主流 Computer-Use / GUI Agent benchmark（OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro 等）及其执行式评测方法与局限。\n4. 熟悉浏览器自动化（Playwright / Selenium）、虚拟化 / 容器化环境（Docker、虚拟机、Android 模拟器等），能支撑真实环境的评测与合成。\n5. 扎实的 Python / PyTorch 工程能力，熟悉分布式训练与大规模可复现实验管线。\n6. 能独立定义评测方案、拆解短板并推动\"评测—数据—训练\"闭环落地，具备跨团队协作与技术引领能力。\n加分项\n1. 有 GUI / Computer-Use Agent 的评测、数据合成或训练闭环经验；参与过相关 benchmark 建设；相关顶会论文或有影响力的开源项目。",
"skills": [AI生成
"Python",
"Docker",
"PyTorch",
"强化学习",
"团队协作",
"建模",
"大语言模型"
],
"preferred_qualifications": "加分项",
"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=100042560001"
}
]
},
"posting": {
"posting_id": "100042560001",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100042560001"
},
"fulltext": "数据技术及产品部-大模型评测算法-CUA方向\n数据技术及产品部-大模型评测算法-CUA方向\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京 / 杭州\n\n职位描述\n岗位描述：面向\"电脑操作智能体\"（自主操作 GUI、浏览器、桌面 / 移动端软件完成任务的大模型 Agent），独立负责其能力提升的完整闭环。\n岗位职责\n1. 设计 CUA 评测任务与轨迹级评分体系（GUI grounding、任务规划、多步操作、长程任务成功率等），定位模型失败模式（误点击、幻觉操作、状态误判、循环卡死等）。对标并扩展业界 benchmark：OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro等，并维护内部私有测试集防污染。\n2. 针对短板设计操作轨迹合成、环境（沙箱 OS / 浏览器 / 移动端 / 专业软件）合成、拒绝采样等方案，产出高质量训练数据。\n3. 主导 SFT / RL 训练消化数据，用评测复测验证短板是否被优化，推动闭环持续迭代。\n\n职位要求\n1. 硕士及以上，计算机 / AI 相关专业；3 年以上大模型相关研发经验，或具备高质量论文 / 开源成果（不唯年限，重在深度）。\n2. 熟悉 Agent 训练、工具调用（tool use / function calling）、多模态（尤其视觉 - GUI 理解与 grounding），了解强化学习与奖励建模。\n3. 熟悉主流 Computer-Use / GUI Agent benchmark（OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro 等）及其执行式评测方法与局限。\n4. 熟悉浏览器自动化（Playwright / Selenium）、虚拟化 / 容器化环境（Docker、虚拟机、Android 模拟器等），能支撑真实环境的评测与合成。\n5. 扎实的 Python / PyTorch 工程能力，熟悉分布式训练与大规模可复现实验管线。\n6. 能独立定义评测方案、拆解短板并推动\"评测—数据—训练\"闭环落地，具备跨团队协作与技术引领能力。\n加分项\n1. 有 GUI / Computer-Use Agent 的评测、数据合成或训练闭环经验；参与过相关 benchmark 建设；相关顶会论文或有影响力的开源项目。\n岗位描述：面向\"电脑操作智能体\"（自主操作 GUI、浏览器、桌面 / 移动端软件完成任务的大模型 Agent），独立负责其能力提升的完整闭环。\n岗位职责\n1. 设计 CUA 评测任务与轨迹级评分体系（GUI grounding、任务规划、多步操作、长程任务成功率等），定位模型失败模式（误点击、幻觉操作、状态误判、循环卡死等）。对标并扩展业界 benchmark：OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro等，并维护内部私有测试集防污染。\n2. 针对短板设计操作轨迹合成、环境（沙箱 OS / 浏览器 / 移动端 / 专业软件）合成、拒绝采样等方案，产出高质量训练数据。\n3. 主导 SFT / RL 训练消化数据，用评测复测验证短板是否被优化，推动闭环持续迭代。\n1. 硕士及以上，计算机 / AI 相关专业；3 年以上大模型相关研发经验，或具备高质量论文 / 开源成果（不唯年限，重在深度）。\n2. 熟悉 Agent 训练、工具调用（tool use / function calling）、多模态（尤其视觉 - GUI 理解与 grounding），了解强化学习与奖励建模。\n3. 熟悉主流 Computer-Use / GUI Agent benchmark（OSWorld、WebArena / VisualWebArena、AndroidWorld、ScreenSpot-Pro 等）及其执行式评测方法与局限。\n4. 熟悉浏览器自动化（Playwright / Selenium）、虚拟化 / 容器化环境（Docker、虚拟机、Android 模拟器等），能支撑真实环境的评测与合成。\n5. 扎实的 Python / PyTorch 工程能力，熟悉分布式训练与大规模可复现实验管线。\n6. 能独立定义评测方案、拆解短板并推动\"评测—数据—训练\"闭环落地，具备跨团队协作与技术引领能力。\n加分项\n1. 有 GUI / Computer-Use Agent 的评测、数据合成或训练闭环经验；参与过相关 benchmark 建设；相关顶会论文或有影响力的开源项目。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}