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": "评测算法工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "探索研究院",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "研发类"AI生成
},
"company": {
"company_name": "京东集团",
"company_industry": "电商 / 供应链 / 物流 / 科技服务",
"company_size": "10000人以上",
"company_website": "jd.com",
"company_description": "京东是一家以供应链为基础的技术与服务企业，覆盖零售、物流、科技、健康等业务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "评测算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-05-14\n\n岗位职责\n大数据工程部定位于为基座模型及业务提供高质量数据与 AI 化解决方案。我们以数据为核心，通过数据工程与模型算法相结合的方式，加速大模型在数据、实验与评测环节的迭代效率，持续沉淀高价值数据资产，支撑模型与应用的演进。在具体实践中，我们面向多语言、多模态大模型训练，开展数据清洗、去重、打标等关键算法与方法建设，并系统性构建预训练与后训练数据管道，从质量、覆盖度与多样性等维度提升数据整体水平，持续助力模型效果提升。同时，我们积极探索合成数据、数据规模扩展规律、多模态数据对齐等前沿数据方向，将数据侧的创新转化为可验证、可复用的模型收益。\n岗位职责：\n1.参与建设覆盖文本、音视频及具身模型的统一评测体系，设计并落地模型评测方法与指标体系；\n2.面向基座模型，构建通用能力评测（理解、推理、事实性、安全性、鲁棒性等），支撑模型版本对比与演进决策；\n3.面向业务侧（客服、导购、搜索、推荐等），抽象业务目标，设计专项评测指标、用例集与评测方案；\n4.负责自动化评测与判分策略（规则 / 模型判分 / 多模型互评），并协同人工标注体系提升评测可信度；\n5.参与评测数据集建设，包括数据采样、难例挖掘、数据版本管理与评测结果分析；\n5.与工程团队协作，打通模型数据 – 实验 – 评测全链路闭环。\n\n任职要求\n任职要求：\n1.本科及以上学历，计算机、人工智能、自动化、机器人等相关专业；\n2.熟悉至少一个方向：LLM/多模态/语音/具身智能数据、训练或评测；\n3.有模型评测、Benchmark、自动化评测或数据标注相关经验优先；\n4.具备将“业务问题”转化为“可量化评测指标”的能力；\n5.对评测结果的稳定性、可复现性、统计显著性有基本认知；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"requirements_text": "评测算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-05-14\n\n岗位职责\n大数据工程部定位于为基座模型及业务提供高质量数据与 AI 化解决方案。我们以数据为核心，通过数据工程与模型算法相结合的方式，加速大模型在数据、实验与评测环节的迭代效率，持续沉淀高价值数据资产，支撑模型与应用的演进。在具体实践中，我们面向多语言、多模态大模型训练，开展数据清洗、去重、打标等关键算法与方法建设，并系统性构建预训练与后训练数据管道，从质量、覆盖度与多样性等维度提升数据整体水平，持续助力模型效果提升。同时，我们积极探索合成数据、数据规模扩展规律、多模态数据对齐等前沿数据方向，将数据侧的创新转化为可验证、可复用的模型收益。\n岗位职责：\n1.参与建设覆盖文本、音视频及具身模型的统一评测体系，设计并落地模型评测方法与指标体系；\n2.面向基座模型，构建通用能力评测（理解、推理、事实性、安全性、鲁棒性等），支撑模型版本对比与演进决策；\n3.面向业务侧（客服、导购、搜索、推荐等），抽象业务目标，设计专项评测指标、用例集与评测方案；\n4.负责自动化评测与判分策略（规则 / 模型判分 / 多模型互评），并协同人工标注体系提升评测可信度；\n5.参与评测数据集建设，包括数据采样、难例挖掘、数据版本管理与评测结果分析；\n5.与工程团队协作，打通模型数据 – 实验 – 评测全链路闭环。\n\n任职要求\n任职要求：\n1.本科及以上学历，计算机、人工智能、自动化、机器人等相关专业；\n2.熟悉至少一个方向：LLM/多模态/语音/具身智能数据、训练或评测；\n3.有模型评测、Benchmark、自动化评测或数据标注相关经验优先；\n4.具备将“业务问题”转化为“可量化评测指标”的能力；\n5.对评测结果的稳定性、可复现性、统计显著性有基本认知；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"skills": [AI生成
"数据清洗",
"数据标注",
"模型训练",
"团队协作",
"招聘",
"大语言模型"
],
"preferred_qualifications": "3.有模型评测、Benchmark、自动化评测或数据标注相关经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.jd.com/web/job-info-detail?requementId=217597"
}
]
},
"posting": {
"posting_id": "217597",
"post_date": "2026-05-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.jd.com/web/job-info-detail?requementId=217597"
},
"fulltext": "评测算法工程师\n评测算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-05-14\n\n岗位职责\n大数据工程部定位于为基座模型及业务提供高质量数据与 AI 化解决方案。我们以数据为核心，通过数据工程与模型算法相结合的方式，加速大模型在数据、实验与评测环节的迭代效率，持续沉淀高价值数据资产，支撑模型与应用的演进。在具体实践中，我们面向多语言、多模态大模型训练，开展数据清洗、去重、打标等关键算法与方法建设，并系统性构建预训练与后训练数据管道，从质量、覆盖度与多样性等维度提升数据整体水平，持续助力模型效果提升。同时，我们积极探索合成数据、数据规模扩展规律、多模态数据对齐等前沿数据方向，将数据侧的创新转化为可验证、可复用的模型收益。\n岗位职责：\n1.参与建设覆盖文本、音视频及具身模型的统一评测体系，设计并落地模型评测方法与指标体系；\n2.面向基座模型，构建通用能力评测（理解、推理、事实性、安全性、鲁棒性等），支撑模型版本对比与演进决策；\n3.面向业务侧（客服、导购、搜索、推荐等），抽象业务目标，设计专项评测指标、用例集与评测方案；\n4.负责自动化评测与判分策略（规则 / 模型判分 / 多模型互评），并协同人工标注体系提升评测可信度；\n5.参与评测数据集建设，包括数据采样、难例挖掘、数据版本管理与评测结果分析；\n5.与工程团队协作，打通模型数据 – 实验 – 评测全链路闭环。\n\n任职要求\n任职要求：\n1.本科及以上学历，计算机、人工智能、自动化、机器人等相关专业；\n2.熟悉至少一个方向：LLM/多模态/语音/具身智能数据、训练或评测；\n3.有模型评测、Benchmark、自动化评测或数据标注相关经验优先；\n4.具备将“业务问题”转化为“可量化评测指标”的能力；\n5.对评测结果的稳定性、可复现性、统计显著性有基本认知；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n评测算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-05-14\n\n岗位职责\n大数据工程部定位于为基座模型及业务提供高质量数据与 AI 化解决方案。我们以数据为核心，通过数据工程与模型算法相结合的方式，加速大模型在数据、实验与评测环节的迭代效率，持续沉淀高价值数据资产，支撑模型与应用的演进。在具体实践中，我们面向多语言、多模态大模型训练，开展数据清洗、去重、打标等关键算法与方法建设，并系统性构建预训练与后训练数据管道，从质量、覆盖度与多样性等维度提升数据整体水平，持续助力模型效果提升。同时，我们积极探索合成数据、数据规模扩展规律、多模态数据对齐等前沿数据方向，将数据侧的创新转化为可验证、可复用的模型收益。\n岗位职责：\n1.参与建设覆盖文本、音视频及具身模型的统一评测体系，设计并落地模型评测方法与指标体系；\n2.面向基座模型，构建通用能力评测（理解、推理、事实性、安全性、鲁棒性等），支撑模型版本对比与演进决策；\n3.面向业务侧（客服、导购、搜索、推荐等），抽象业务目标，设计专项评测指标、用例集与评测方案；\n4.负责自动化评测与判分策略（规则 / 模型判分 / 多模型互评），并协同人工标注体系提升评测可信度；\n5.参与评测数据集建设，包括数据采样、难例挖掘、数据版本管理与评测结果分析；\n5.与工程团队协作，打通模型数据 – 实验 – 评测全链路闭环。\n\n任职要求\n任职要求：\n1.本科及以上学历，计算机、人工智能、自动化、机器人等相关专业；\n2.熟悉至少一个方向：LLM/多模态/语音/具身智能数据、训练或评测；\n3.有模型评测、Benchmark、自动化评测或数据标注相关经验优先；\n4.具备将“业务问题”转化为“可量化评测指标”的能力；\n5.对评测结果的稳定性、可复现性、统计显著性有基本认知；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。\n评测算法工程师\n\n基础信息\n招聘类型：社招\n职位类别：研发类\n工作地点：北京市\n所属部门：探索研究院\n发布时间：2026-05-14\n\n岗位职责\n大数据工程部定位于为基座模型及业务提供高质量数据与 AI 化解决方案。我们以数据为核心，通过数据工程与模型算法相结合的方式，加速大模型在数据、实验与评测环节的迭代效率，持续沉淀高价值数据资产，支撑模型与应用的演进。在具体实践中，我们面向多语言、多模态大模型训练，开展数据清洗、去重、打标等关键算法与方法建设，并系统性构建预训练与后训练数据管道，从质量、覆盖度与多样性等维度提升数据整体水平，持续助力模型效果提升。同时，我们积极探索合成数据、数据规模扩展规律、多模态数据对齐等前沿数据方向，将数据侧的创新转化为可验证、可复用的模型收益。\n岗位职责：\n1.参与建设覆盖文本、音视频及具身模型的统一评测体系，设计并落地模型评测方法与指标体系；\n2.面向基座模型，构建通用能力评测（理解、推理、事实性、安全性、鲁棒性等），支撑模型版本对比与演进决策；\n3.面向业务侧（客服、导购、搜索、推荐等），抽象业务目标，设计专项评测指标、用例集与评测方案；\n4.负责自动化评测与判分策略（规则 / 模型判分 / 多模型互评），并协同人工标注体系提升评测可信度；\n5.参与评测数据集建设，包括数据采样、难例挖掘、数据版本管理与评测结果分析；\n5.与工程团队协作，打通模型数据 – 实验 – 评测全链路闭环。\n\n任职要求\n任职要求：\n1.本科及以上学历，计算机、人工智能、自动化、机器人等相关专业；\n2.熟悉至少一个方向：LLM/多模态/语音/具身智能数据、训练或评测；\n3.有模型评测、Benchmark、自动化评测或数据标注相关经验优先；\n4.具备将“业务问题”转化为“可量化评测指标”的能力；\n5.对评测结果的稳定性、可复现性、统计显著性有基本认知；\n6.符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}