AI 基准工程师 | 母语专家 - 中文（台湾）- 远程

关于此机会 我们正在构建一套严谨、可验证的 Terminal-Bench 任务评估套件，旨在测试大型语言模型在多语言软件挑战中的极限。我们的目标是衡量多语言鲁棒性，涵盖提示语言效应、非英语数据处理以及终端工作流中复杂的区域设置/编码边缘情况。 我们正在寻找经验丰富的母语软件工程师来设计、构建和验证这些基准。你将创建高信号、高质量的任务，真正测试模型处理多语言环境的能力，而不依赖英语翻译的拐杖。 请注意，这是一个远程、自由职业的机会 你将交付什么 - 任务工程：评估编码代理。 - 资产创建：使用你母语的数据集和文件构建真实的任务环境。至关重要的是，这些资产必须保持目标语言，以真正衡量多语言处理能力。 - 提示与翻译：在你的母语中寻找 AI 无法工作的失败点 - 实现与验证：支持开发稳健的解决方案（参考实现），并编写高度可靠、确定性的验证脚本（仅在严格必要时使用基于评分标准的评判）。 - 校准…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。