{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型数据/评估平台工程师（模型数据或评估平台方向）（J105495）",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "基础模型研发部",
        "location": "北京市",
        "work_mode": "未披露",AI生成
        "job_category": "技术"AI生成
    },
    "company": {
        "company_name": "百度",
        "company_industry": "互联网 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "baidu.com",
        "company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 4,
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "-建设稳定、可复用的通用平台服务与面向大模型全生命周期的可靠运行平台。核心支撑身份、权限、配置、资源等基础能力，并参与大模型数据治理、自动化评估体系及分布式调度能力的建设，提升资源利用率、模型迭代效率与运行隔离能力\n-平台架构与服务建设： 负责平台后端服务（身份、权限、配置、资产等）的设计、开发与持续优化；设计可扩展的数据模型、服务接口及异步处理流程，保证数据一致性与可追溯性\n-基础模型评估与 Benchmark 平台： 主导大模型训练/推理数据的全链路治理（采集、清洗、版本管理及高效传输）；搭建自动化评估基础设施，设计并维护覆盖通用能力、代码、数学及安全性等维度的 Benchmark 体系；攻克可验证任务评测等核心工程难题，为模型迭代提供精准、可复现的量化依据\n-分布式调度与资源管理： 负责任务编排、队列、优先级、配额、抢占及生命周期管理；设计并实现基于容器的任务运行、资源分配、节点调度和隔离机制，支撑大规模并发任务下的容量规划与故障迁移\n-高并发与通用难题攻坚： 处理高并发、限流、幂等、缓存、消息、容灾和多租户等通用平台问题；参与多集群、异构资源（如 GPU）、弹性伸缩和成本优化等平台能力演进\n-工程规范与稳定性保障： 完善自动化测试、技术文档、监控告警体系；建立调度与运行链路的追踪、审计工具，具备从日志、指标和运行时状态快速定位线上问题的能力，推动团队代码质量与工程规范的落地",
        "requirements_text": "-经验与语言： 4 年以上后端或平台研发经验，具备独立负责模块或服务的经验；熟练掌握 Go 或 Python 中至少一种，熟悉 REST/gRPC 等服务接口设计\n-云原生与底层原理： 深入理解操作系统、网络、容器运行时及分布式系统原理；熟悉 Linux 和容器化开发，有 Kubernetes 生态（如控制器开发、CRD）或云原生服务治理经验\n-AI 工程化与数据/评估： 具备大模型数据平台或评估平台的建设经验；了解主流评估基准与自动化评测工具链\n-中间件与数据一致性： 熟悉关系型数据库、缓存、消息系统和对象存储，深刻理解索引、事务、并发和一致性原理；具备处理并发、状态机、事件幂等、租约、超时和故障恢复问题的实战经验\n-工程素养： 具备良好的编码习惯、严格的代码审查（Code Review）意识、测试意识以及优秀的团队沟通能力\n-有 Kubernetes 生态、GPU/异构资源调度、作业调度、多集群或高性能计算平台（HPC）经验。有制品/数据平台、权限与多租户、开发者平台、开放 API 或大规模分布式服务经验。熟悉安全隔离、微虚拟机技术，或有大规模集群资源利用率提升、任务吞吐量优化的可量化成果",
        "skills": [AI生成
            "Python",
            "Linux",
            "Kubernetes",
            "分布式系统",
            "数据库",
            "接口设计",
            "沟通能力",
            "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.baidu.com/jobs/detail/SOCIAL/61cbdec1-26cf-4f82-b412-186395965674"
            }
        ]
    },
    "posting": {
        "posting_id": "61cbdec1-26cf-4f82-b412-186395965674",
        "post_date": "2026-09-11",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/61cbdec1-26cf-4f82-b412-186395965674"
    },
    "fulltext": "大模型数据/评估平台工程师（模型数据或评估平台方向）（J105495）\n大模型数据/评估平台工程师（模型数据或评估平台方向）（J105495）\n\n基础信息\n部门：基础模型研发部\n地点：北京市\n类别：技术\n招聘人数：2\n发布时间：2026-09-14\n\n工作职责\n-建设稳定、可复用的通用平台服务与面向大模型全生命周期的可靠运行平台。核心支撑身份、权限、配置、资源等基础能力，并参与大模型数据治理、自动化评估体系及分布式调度能力的建设，提升资源利用率、模型迭代效率与运行隔离能力\n-平台架构与服务建设： 负责平台后端服务（身份、权限、配置、资产等）的设计、开发与持续优化；设计可扩展的数据模型、服务接口及异步处理流程，保证数据一致性与可追溯性\n-基础模型评估与 Benchmark 平台： 主导大模型训练/推理数据的全链路治理（采集、清洗、版本管理及高效传输）；搭建自动化评估基础设施，设计并维护覆盖通用能力、代码、数学及安全性等维度的 Benchmark 体系；攻克可验证任务评测等核心工程难题，为模型迭代提供精准、可复现的量化依据\n-分布式调度与资源管理： 负责任务编排、队列、优先级、配额、抢占及生命周期管理；设计并实现基于容器的任务运行、资源分配、节点调度和隔离机制，支撑大规模并发任务下的容量规划与故障迁移\n-高并发与通用难题攻坚： 处理高并发、限流、幂等、缓存、消息、容灾和多租户等通用平台问题；参与多集群、异构资源（如 GPU）、弹性伸缩和成本优化等平台能力演进\n-工程规范与稳定性保障： 完善自动化测试、技术文档、监控告警体系；建立调度与运行链路的追踪、审计工具，具备从日志、指标和运行时状态快速定位线上问题的能力，推动团队代码质量与工程规范的落地\n\n职责要求\n-经验与语言： 4 年以上后端或平台研发经验，具备独立负责模块或服务的经验；熟练掌握 Go 或 Python 中至少一种，熟悉 REST/gRPC 等服务接口设计\n-云原生与底层原理： 深入理解操作系统、网络、容器运行时及分布式系统原理；熟悉 Linux 和容器化开发，有 Kubernetes 生态（如控制器开发、CRD）或云原生服务治理经验\n-AI 工程化与数据/评估： 具备大模型数据平台或评估平台的建设经验；了解主流评估基准与自动化评测工具链\n-中间件与数据一致性： 熟悉关系型数据库、缓存、消息系统和对象存储，深刻理解索引、事务、并发和一致性原理；具备处理并发、状态机、事件幂等、租约、超时和故障恢复问题的实战经验\n-工程素养： 具备良好的编码习惯、严格的代码审查（Code Review）意识、测试意识以及优秀的团队沟通能力\n-有 Kubernetes 生态、GPU/异构资源调度、作业调度、多集群或高性能计算平台（HPC）经验。有制品/数据平台、权限与多租户、开发者平台、开放 API 或大规模分布式服务经验。熟悉安全隔离、微虚拟机技术，或有大规模集群资源利用率提升、任务吞吐量优化的可量化成果\n-建设稳定、可复用的通用平台服务与面向大模型全生命周期的可靠运行平台。核心支撑身份、权限、配置、资源等基础能力，并参与大模型数据治理、自动化评估体系及分布式调度能力的建设，提升资源利用率、模型迭代效率与运行隔离能力\n-平台架构与服务建设： 负责平台后端服务（身份、权限、配置、资产等）的设计、开发与持续优化；设计可扩展的数据模型、服务接口及异步处理流程，保证数据一致性与可追溯性\n-基础模型评估与 Benchmark 平台： 主导大模型训练/推理数据的全链路治理（采集、清洗、版本管理及高效传输）；搭建自动化评估基础设施，设计并维护覆盖通用能力、代码、数学及安全性等维度的 Benchmark 体系；攻克可验证任务评测等核心工程难题，为模型迭代提供精准、可复现的量化依据\n-分布式调度与资源管理： 负责任务编排、队列、优先级、配额、抢占及生命周期管理；设计并实现基于容器的任务运行、资源分配、节点调度和隔离机制，支撑大规模并发任务下的容量规划与故障迁移\n-高并发与通用难题攻坚： 处理高并发、限流、幂等、缓存、消息、容灾和多租户等通用平台问题；参与多集群、异构资源（如 GPU）、弹性伸缩和成本优化等平台能力演进\n-工程规范与稳定性保障： 完善自动化测试、技术文档、监控告警体系；建立调度与运行链路的追踪、审计工具，具备从日志、指标和运行时状态快速定位线上问题的能力，推动团队代码质量与工程规范的落地\n-经验与语言： 4 年以上后端或平台研发经验，具备独立负责模块或服务的经验；熟练掌握 Go 或 Python 中至少一种，熟悉 REST/gRPC 等服务接口设计\n-云原生与底层原理： 深入理解操作系统、网络、容器运行时及分布式系统原理；熟悉 Linux 和容器化开发，有 Kubernetes 生态（如控制器开发、CRD）或云原生服务治理经验\n-AI 工程化与数据/评估： 具备大模型数据平台或评估平台的建设经验；了解主流评估基准与自动化评测工具链\n-中间件与数据一致性： 熟悉关系型数据库、缓存、消息系统和对象存储，深刻理解索引、事务、并发和一致性原理；具备处理并发、状态机、事件幂等、租约、超时和故障恢复问题的实战经验\n-工程素养： 具备良好的编码习惯、严格的代码审查（Code Review）意识、测试意识以及优秀的团队沟通能力\n-有 Kubernetes 生态、GPU/异构资源调度、作业调度、多集群或高性能计算平台（HPC）经验。有制品/数据平台、权限与多租户、开发者平台、开放 API 或大规模分布式服务经验。熟悉安全隔离、微虚拟机技术，或有大规模集群资源利用率提升、任务吞吐量优化的可量化成果",
    "standard_classification": {
        "std_category_code": "T015",
        "std_aux_codes": [
            "T018"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}