蚂蚁集团-大模型评测技术专家/高级专家-北京/杭州

面向基座大模型与 AI 应用，建设可信、可复现、能反映真实任务表现的评测体系，为模型训练、选型和上线提供决策依据。重点是定义该测什么、判断分数是否可信、找到能力短板，并推动模型和业务团队改进，同时兼顾效果、效率与成本。 岗位职责 1. 建设自有评测方法与 Benchmark。 面向百灵、医疗、金融等重点领域，识别公开评测未覆盖的能力和场景，主导任务、评测数据、评分标准及判分方法的设计与实现；通过新题和对抗测试，验证评测能否识别模型的能力短板与针对性优化； 2. 建设 AntBench 模型评测指数（Index），支持选型与上线决策。 组合公开与自建 Benchmark，制定统一的计分与权重规则，将多项评测结果汇总为模型综合得分，并保留分项能力表现，结合效率与成本比较模型；通过跨基准表现分析、轨迹分析和对照复测，发现并解释模型的异常表现； 3. 推动评测成果被行业采用。 将有差异化价值的评…… 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。

本站当前在招 3162 个北京技术研发岗位，其中 86 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 28K（25~75 分位），中位约 20K，最低 2K、最高 60K。