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-Pre-training/Mid-training 评测算法-Qwen基础模型",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "Token Foundry",
"location": "北京 / 杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "10000人以上",
"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、数学等相关专业本科及以上在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 评测数据挖掘\n（1） 针对预训练（含mid-training，下同）模型在coding，cowork，长尾知识，长文本能力等方面的弱点，设计并构建具有可扩展性的自动化评测方案及高质量数据集。\n2. 评测数据治理\n（1）整合高质量公开评测集和私有评测集。为不同训练阶段、不同领域、不同优化目标（模型结构/数据配比/主线模型迭代）定制评测方案，挑选质量最高、领域最合适、区分度最好的评测数据与指标。\n3. 评测基建完善\n（1）与工程团队合作提高评测系统的效率与稳定性，完善评测故障分析与检测，并推动文本评测与Agent评测的自动化与可视化。\n4. 预训练-后训练评测一致性探索\n（1）设计Pretrain + LightSFT的数据配比和训练策略并搭建相关pipeline，实时检测预训练模型的agentic潜力。\n（2）设计面向后训练agent能力导向的预训练评测范式，挖掘高预测性的external metrics以及internal indicators，寻找上限更高、潜力更强的预训练基座。",
"requirements_text": "1. 计算机、人工智能、数学等相关专业本科及以上在读，可实习六个月及以上。\n2. 优秀的数据sense，扎实的算法基础和 (vibe-) coding动手能力。\n3. 具备对基础模型与Agent研发的热情，认同评测对模型优化的巨大价值。\n4. 加分项：\n（1）有基础模型团队实习经历；\n（2）LLM评测/Benchmark构建/数据合成经验；\n（3）相关顶会论文。",
"skills": [AI生成
"数据挖掘",
"数据治理",
"团队协作"
],
"preferred_qualifications": "4. 加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199908680001?deptCodes="
}
]
},
"posting": {
"posting_id": "199908680001",
"post_date": "2026-08-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199908680001?deptCodes="
},
"fulltext": "日常实习生-Pre-training/Mid-training 评测算法-Qwen基础模型\n日常实习生-Pre-training/Mid-training 评测算法-Qwen基础模型\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2032-10-31\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：北京 / 杭州 / 上海\n\n职位描述\n1. 评测数据挖掘\n（1） 针对预训练（含mid-training，下同）模型在coding，cowork，长尾知识，长文本能力等方面的弱点，设计并构建具有可扩展性的自动化评测方案及高质量数据集。\n2. 评测数据治理\n（1）整合高质量公开评测集和私有评测集。为不同训练阶段、不同领域、不同优化目标（模型结构/数据配比/主线模型迭代）定制评测方案，挑选质量最高、领域最合适、区分度最好的评测数据与指标。\n3. 评测基建完善\n（1）与工程团队合作提高评测系统的效率与稳定性，完善评测故障分析与检测，并推动文本评测与Agent评测的自动化与可视化。\n4. 预训练-后训练评测一致性探索\n（1）设计Pretrain + LightSFT的数据配比和训练策略并搭建相关pipeline，实时检测预训练模型的agentic潜力。\n（2）设计面向后训练agent能力导向的预训练评测范式，挖掘高预测性的external metrics以及internal indicators，寻找上限更高、潜力更强的预训练基座。\n\n职位要求\n1. 计算机、人工智能、数学等相关专业本科及以上在读，可实习六个月及以上。\n2. 优秀的数据sense，扎实的算法基础和 (vibe-) coding动手能力。\n3. 具备对基础模型与Agent研发的热情，认同评测对模型优化的巨大价值。\n4. 加分项：\n（1）有基础模型团队实习经历；\n（2）LLM评测/Benchmark构建/数据合成经验；\n（3）相关顶会论文。\n\n在招业务\nToken Foundry\n1. 评测数据挖掘\n（1） 针对预训练（含mid-training，下同）模型在coding，cowork，长尾知识，长文本能力等方面的弱点，设计并构建具有可扩展性的自动化评测方案及高质量数据集。\n2. 评测数据治理\n（1）整合高质量公开评测集和私有评测集。为不同训练阶段、不同领域、不同优化目标（模型结构/数据配比/主线模型迭代）定制评测方案，挑选质量最高、领域最合适、区分度最好的评测数据与指标。\n3. 评测基建完善\n（1）与工程团队合作提高评测系统的效率与稳定性，完善评测故障分析与检测，并推动文本评测与Agent评测的自动化与可视化。\n4. 预训练-后训练评测一致性探索\n（1）设计Pretrain + LightSFT的数据配比和训练策略并搭建相关pipeline，实时检测预训练模型的agentic潜力。\n（2）设计面向后训练agent能力导向的预训练评测范式，挖掘高预测性的external metrics以及internal indicators，寻找上限更高、潜力更强的预训练基座。\n1. 计算机、人工智能、数学等相关专业本科及以上在读，可实习六个月及以上。\n2. 优秀的数据sense，扎实的算法基础和 (vibe-) coding动手能力。\n3. 具备对基础模型与Agent研发的热情，认同评测对模型优化的巨大价值。\n4. 加分项：\n（1）有基础模型团队实习经历；\n（2）LLM评测/Benchmark构建/数据合成经验；\n（3）相关顶会论文。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}