{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI产品（超级native之明星AI应用）",
        "job_level": "初级",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京··",
        "work_mode": "现场办公",AI生成
        "job_category": "AI效果评测"AI生成
    },
    "company": {
        "company_name": "北美某小型人工智能公司",
        "company_industry": "人工智能",
        "company_size": "20-99人",
        "company_website": "未披露",
        "company_description": "未披露"
    },
    "compensation": {
        "salary_range": {
            "min": 70000,
            "max": 100000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "带薪年假 | 团建聚餐 | 有无线网 | 绩效奖金 | 零食下午茶 | 意外险 | 生日福利 | 节日福利 | 年终奖 | 定期体检 | 补充医疗保险 | 股票期权 | 五险一金"
    },
    "requirements": {
        "working_years": 2,
        "degree": "学历不限",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "职位描述\n1. 定义“好”的标准与RL奖励机制:\n- 将文生图/视频模型的 Agent 效果(如美学质量、语义对齐、技术质量等)转化为可量化的产品指标并进行拆解;\n- 设计 RL 奖励模型的训练数据采集策略和标注规范,确保奖励信号准确反映用户价值和商业目标;\n2. 构建评估与测试体系:\n- 设计并落地多模态(图像/视频)评估框架,包括自动化指标和人机协作(Human-in-the-Loop)流程;\n- 构建和维护 Testset,覆盖核心场景和潜在风险,有效衡量模型迭代进展;\n3. 驱动模型迭代与产品落地:\n- 基于评估结果和产品数据,与模型研究团队紧密合作,制定 RL 训练策略与模型迭代路线图;\n- 推动模型能力转化为产品功能与用户体验的提升;\n4. 数据分析与反馈循环:\n- 持续监控模型表现,通过数据分析,识别瓶颈与优化机会;\n- 建立高效用户反馈收集机制,将反馈快速转化为可执行的模型优化需求;\n5. 跨职能协作:\n- 与模型团队,业务团队,内外部专家紧密配合,确保各方对模型效果和产品目标达成统一理解。",
        "requirements_text": "1. 本科及以上学历,2 年以上 AI 模型或产品经验;\n2. 有模型评估指标设计及人机评估流程经验,同时有模型效果调优(RLHF/RLAIF)经验者优先;\n3. 对 AIGC 有热情,熟悉文生图技术(如 Stable Diffusion、Midjourney 等),对生成效果有较强敏感度;\n4. 逻辑清晰、数据驱动,能使用 SQL 进行数据探索与指标追踪;\n5. 具备优秀沟通能力,能向不同受众解释复杂技术概念。\n认证资质\n人力资源服务许可证",
        "skills": [AI生成
            "Agent系统构建",
            "SQL与数据探查",
            "产品战略与路线图",
            "产品迭代管理",
            "多模态AI应用",
            "大模型原理与能力边界",
            "数据分析与指标体系",
            "模型/Agent评测体系",
            "模型微调与对齐",
            "沟通表达与方案汇报",
            "用户研究与体验优化",
            "结构化思考与系统抽象",
            "训练数据/标注/合成",
            "金融行业知识"
        ],
        "preferred_qualifications": "2. 有模型评估指标设计及人机评估流程经验,同时有模型效果调优(RLHF/RLAIF)经验者优先;",
        "job_highlights": "经验不限 | 学历不限"
    },
    "contact": {
        "recruiter_name": "陈女士",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/28baf839563235eb0nF70tS1FVFQ.html"
            }
        ]
    },
    "posting": {
        "posting_id": "28baf839563235eb0nF70tS1FVFQ",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/28baf839563235eb0nF70tS1FVFQ.html"
    },
    "fulltext": "职位描述\n1. 定义“好”的标准与RL奖励机制：\n- 将文生图/视频模型的 Agent 效果（如美学质量、语义对齐、技术质量等）转化为可量化的产品指标并进行拆解；\n- 设计 RL 奖励模型的训练数据采集策略和标注规范，确保奖励信号准确反映⽤户价值和商业⽬标；\n2. 构建评估与测试体系：\n- 设计并落地多模态（图像/视频）评估框架，包括⾃动化指标和人机协作（Human-in-the-Loop）流程；\n- 构建和维护 Testset，覆盖核心场景和潜在风险，有效衡量模型迭代进展；\n3. 驱动模型迭代与产品落地：\n- 基于评估结果和产品数据，与模型研究团队紧密合作，制定 RL 训练策略与模型迭代路线图；\n- 推动模型能⼒转化为产品功能与用户体验的提升；\n4. 数据分析与反馈循环：\n- 持续监控模型表现，通过数据分析，识别瓶颈与优化机会；\n- 建立高效用户反馈收集机制，将反馈快速转化为可执行的模型优化需求；\n5. 跨职能协作：\n- 与模型团队，业务团队，内外部专家紧密配合，确保各方对模型效果和产品目标达成统一理解。\n职位要求\n1. 本科及以上学历，2 年以上 AI 模型或产品经验；\n2. 有模型评估指标设计及人机评估流程经验，同时有模型效果调优（RLHF/RLAIF）经验者优先；\n3. 对 AIGC 有热情，熟悉文生图技术（如 Stable Diffusion、Midjourney 等），对生成效果有较强敏感度；\n4. 逻辑清晰、数据驱动，能使用 SQL 进行数据探索与指标追踪；\n5. 具备优秀沟通能力，能向不同受众解释复杂技术概念。\n认证资质\n人力资源服务许可证"
}