{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型与Agent评测基础设施算法工程师-Commercial AI",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "上海",
        "work_mode": "未披露",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "字节跳动",
        "company_industry": "互联网 / 数字内容 / 电商",
        "company_size": "10000人以上",
        "company_website": "bytedance.com",
        "company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、参与建设面向大模型与Agent的评测基础设施，将评估设计转化为稳定、可扩展、可观测、可复用的执行系统；\n2、负责已定义评估方法的稳定运行及结果接入研发流程，重点建设可复用的评测流水线与任务编排能力，持续完善Judge、Sandbox、风险检测等关键执行组件，提升实验执行的稳定性、可观测性与结果追溯能力；\n3、参与将复杂任务流程和Agent交互过程抽象为可执行评估环境，设计并实现大模型/Agent自动评测流水线，工程化落地Judge system、Sandbox、风险检测等关键组件，支撑多模型、多策略、多环境配置下的大规模实验执行；\n4、日常工作中定位失败任务、排查模型调用链路、修复评分流程和提升实验可复现性，与研究员协作将评估想法拆分为任务定义、输入输出协议、执行逻辑和监控指标，在研究需求和系统稳定性间寻找平衡。",
        "requirements_text": "1、计算机相关专业，具备扎实软件系统与工程实现基础；\n2、熟练使用Python，有服务/平台开发、数据处理或Pipeline建设经验；\n3、有大模型、Agent、评测平台、仿真环境或复杂后端系统开发经验；\n4、重视代码质量、系统设计、稳定性、可维护性与线上可观测；\n5、能将研究方案工程化落地，擅长跨团队协作推进复杂项目；\n6、愿意长期建设评估基础设施，相关领域经验与开源成果优先。",
        "skills": [AI生成
            "Python",
            "团队协作",
            "大语言模型"
        ],
        "preferred_qualifications": "6、愿意长期建设评估基础设施，相关领域经验与开源成果优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7594714925887621381/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7594714925887621381",
        "post_date": "2026-01-13",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7594714925887621381/detail"
    },
    "fulltext": "大模型与Agent评测基础设施算法工程师-Commercial AI\n职位描述\n1、参与建设面向大模型与Agent的评测基础设施，将评估设计转化为稳定、可扩展、可观测、可复用的执行系统；\n2、负责已定义评估方法的稳定运行及结果接入研发流程，重点建设可复用的评测流水线与任务编排能力，持续完善Judge、Sandbox、风险检测等关键执行组件，提升实验执行的稳定性、可观测性与结果追溯能力；\n3、参与将复杂任务流程和Agent交互过程抽象为可执行评估环境，设计并实现大模型/Agent自动评测流水线，工程化落地Judge system、Sandbox、风险检测等关键组件，支撑多模型、多策略、多环境配置下的大规模实验执行；\n4、日常工作中定位失败任务、排查模型调用链路、修复评分流程和提升实验可复现性，与研究员协作将评估想法拆分为任务定义、输入输出协议、执行逻辑和监控指标，在研究需求和系统稳定性间寻找平衡。\n\n职位要求\n1、计算机相关专业，具备扎实软件系统与工程实现基础；\n2、熟练使用Python，有服务/平台开发、数据处理或Pipeline建设经验；\n3、有大模型、Agent、评测平台、仿真环境或复杂后端系统开发经验；\n4、重视代码质量、系统设计、稳定性、可维护性与线上可观测；\n5、能将研究方案工程化落地，擅长跨团队协作推进复杂项目；\n6、愿意长期建设评估基础设施，相关领域经验与开源成果优先。\n1、参与建设面向大模型与Agent的评测基础设施，将评估设计转化为稳定、可扩展、可观测、可复用的执行系统；\n2、负责已定义评估方法的稳定运行及结果接入研发流程，重点建设可复用的评测流水线与任务编排能力，持续完善Judge、Sandbox、风险检测等关键执行组件，提升实验执行的稳定性、可观测性与结果追溯能力；\n3、参与将复杂任务流程和Agent交互过程抽象为可执行评估环境，设计并实现大模型/Agent自动评测流水线，工程化落地Judge system、Sandbox、风险检测等关键组件，支撑多模型、多策略、多环境配置下的大规模实验执行；\n4、日常工作中定位失败任务、排查模型调用链路、修复评分流程和提升实验可复现性，与研究员协作将评估想法拆分为任务定义、输入输出协议、执行逻辑和监控指标，在研究需求和系统稳定性间寻找平衡。\n1、计算机相关专业，具备扎实软件系统与工程实现基础；\n2、熟练使用Python，有服务/平台开发、数据处理或Pipeline建设经验；\n3、有大模型、Agent、评测平台、仿真环境或复杂后端系统开发经验；\n4、重视代码质量、系统设计、稳定性、可维护性与线上可观测；\n5、能将研究方案工程化落地，擅长跨团队协作推进复杂项目；\n6、愿意长期建设评估基础设施，相关领域经验与开源成果优先。",
    "standard_classification": {
        "std_category_code": "T015",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}