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": "日常实习生-AI Coding 研发-评测方向",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里巴巴控股集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"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": "计算机科学、软件工程或相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位概述\n我们是阿里云 AI Coding 创新团队，致力于重塑软件开发范式，打造下一代 AI 原生智能开发工具。在这里，你将深度参与 AI 编程有关的场景定义、效果评估与持续优化，确保产品在代码生成、理解、补全、测试等核心场景中达到业界领先效果。\n工作职责\n1、构建端到端的 AI Coding 评测体系：设计覆盖多语言、多场景、多维度（正确性、安全性、可维护性、性能、一致性等）的自动化评测框架，支撑模型迭代与产品发布；\n2、研发高质量评测数据集与指标：通过合成数据、真实用户反馈、开源项目挖掘等方式构建代表性评测集；定义并实现量化指标（如 Pass@k、CodeBLEU、执行成功率、静态分析合规率等）；\n3、开发智能评测 Agent 与仿真环境：构建可模拟开发者行为的评测智能体，支持复杂上下文（跨文件、工程级依赖、调试交互）下的能力评估；\n4、协同算法与工程团队：参与大模型训练数据筛选与合成、RAG 效果验证、推理策略优化等环节，提供评测驱动的反馈闭环；\n5、推动评测平台工程化：建设高可用、可扩展、低延迟的评测服务系统，支持大规模并发评测任务调度与结果分析。",
"requirements_text": "1、计算机科学、软件工程或相关专业硕士及以上学历；\n2、精通 Python、Go 或 Java 至少一种语言，具备扎实的工程实现能力与良好的代码规范意识；\n3、深入理解LLM技术栈，有Agent系统设计及开发经验优先；\n4、熟悉大模型全链路（从模型训练到推理、各类AI框架），对AI研发助手有独到见解和创新思路，熟悉技术社区，参与过开源生态建设者优先；\n5、有 AI Coding 相关评测体系设计、评测指标构建、训练数据合成与清洗等经验者优先；\n6、熟悉云原生技术栈（Docker/Kubernetes），有高并发服务开发或评测平台建设经验者加分。",
"skills": [AI生成
"Python",
"Java",
"Docker",
"Kubernetes",
"模型训练",
"Go",
"大语言模型"
],
"preferred_qualifications": "3、深入理解LLM技术栈，有Agent系统设计及开发经验优先；4、熟悉大模型全链路（从模型训练到推理、各类AI框架），对AI研发助手有独到见解和创新思路，熟悉技术社区，参与过开源生态建设者优先；5、有 AI Coding 相关评测体系设计、评测指标构建、训练数据合成与清洗等经验者优先；6、熟悉云原生技术栈（Docker/Kubernetes），有高并发服务开发或评测平台建设经验者加分",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199905280012?deptCodes="
}
]
},
"posting": {
"posting_id": "199905280012",
"post_date": "2026-05-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199905280012?deptCodes="
},
"fulltext": "日常实习生-AI Coding 研发-评测方向\n日常实习生-AI Coding 研发-评测方向\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n岗位概述\n我们是阿里云 AI Coding 创新团队，致力于重塑软件开发范式，打造下一代 AI 原生智能开发工具。在这里，你将深度参与 AI 编程有关的场景定义、效果评估与持续优化，确保产品在代码生成、理解、补全、测试等核心场景中达到业界领先效果。\n工作职责\n1、构建端到端的 AI Coding 评测体系：设计覆盖多语言、多场景、多维度（正确性、安全性、可维护性、性能、一致性等）的自动化评测框架，支撑模型迭代与产品发布；\n2、研发高质量评测数据集与指标：通过合成数据、真实用户反馈、开源项目挖掘等方式构建代表性评测集；定义并实现量化指标（如 Pass@k、CodeBLEU、执行成功率、静态分析合规率等）；\n3、开发智能评测 Agent 与仿真环境：构建可模拟开发者行为的评测智能体，支持复杂上下文（跨文件、工程级依赖、调试交互）下的能力评估；\n4、协同算法与工程团队：参与大模型训练数据筛选与合成、RAG 效果验证、推理策略优化等环节，提供评测驱动的反馈闭环；\n5、推动评测平台工程化：建设高可用、可扩展、低延迟的评测服务系统，支持大规模并发评测任务调度与结果分析。\n\n职位要求\n1、计算机科学、软件工程或相关专业硕士及以上学历；\n2、精通 Python、Go 或 Java 至少一种语言，具备扎实的工程实现能力与良好的代码规范意识；\n3、深入理解LLM技术栈，有Agent系统设计及开发经验优先；\n4、熟悉大模型全链路（从模型训练到推理、各类AI框架），对AI研发助手有独到见解和创新思路，熟悉技术社区，参与过开源生态建设者优先；\n5、有 AI Coding 相关评测体系设计、评测指标构建、训练数据合成与清洗等经验者优先；\n6、熟悉云原生技术栈（Docker/Kubernetes），有高并发服务开发或评测平台建设经验者加分。\n\n在招业务\n阿里巴巴控股集团\n岗位概述\n我们是阿里云 AI Coding 创新团队，致力于重塑软件开发范式，打造下一代 AI 原生智能开发工具。在这里，你将深度参与 AI 编程有关的场景定义、效果评估与持续优化，确保产品在代码生成、理解、补全、测试等核心场景中达到业界领先效果。\n工作职责\n1、构建端到端的 AI Coding 评测体系：设计覆盖多语言、多场景、多维度（正确性、安全性、可维护性、性能、一致性等）的自动化评测框架，支撑模型迭代与产品发布；\n2、研发高质量评测数据集与指标：通过合成数据、真实用户反馈、开源项目挖掘等方式构建代表性评测集；定义并实现量化指标（如 Pass@k、CodeBLEU、执行成功率、静态分析合规率等）；\n3、开发智能评测 Agent 与仿真环境：构建可模拟开发者行为的评测智能体，支持复杂上下文（跨文件、工程级依赖、调试交互）下的能力评估；\n4、协同算法与工程团队：参与大模型训练数据筛选与合成、RAG 效果验证、推理策略优化等环节，提供评测驱动的反馈闭环；\n5、推动评测平台工程化：建设高可用、可扩展、低延迟的评测服务系统，支持大规模并发评测任务调度与结果分析。\n1、计算机科学、软件工程或相关专业硕士及以上学历；\n2、精通 Python、Go 或 Java 至少一种语言，具备扎实的工程实现能力与良好的代码规范意识；\n3、深入理解LLM技术栈，有Agent系统设计及开发经验优先；\n4、熟悉大模型全链路（从模型训练到推理、各类AI框架），对AI研发助手有独到见解和创新思路，熟悉技术社区，参与过开源生态建设者优先；\n5、有 AI Coding 相关评测体系设计、评测指标构建、训练数据合成与清洗等经验者优先；\n6、熟悉云原生技术栈（Docker/Kubernetes），有高并发服务开发或评测平台建设经验者加分。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}