蚂蚁集团-大模型应用算法（自动化评测与benchmark）-健康事业群

职位概述 探索行业前沿的大模型技术，建立科学、全面的评测体系，支持模型演进、产品落地、竞对分析评估，通过自动化归因等方案反馈优化模型算法与系统。 核心工作 1）高质量Benchmark 建设 构建高区分度评测集：针对医疗多专科、复杂对话决策、长链路推理、记忆/一致性、工具使用、RAG 证据依赖等难点设计专项集。 负责评测数据全流程治理，建立数据泄露/污染检测机制，防止评测虚高。 推动“可持续评测”：小样本高敏感集 + 大样本回归集的组合，支撑日常迭代与版本回归。 2）自动化评测框架与裁判模型 建设 设计并落地自动评测框架：支持规则/打分 Rubric、程序化评估（如工具调用/代码）、以及 LLM-as-a-Judge 混合评测，保证高吞吐、低成本、强复现。 构建评测流水线，必要时训练/微调裁判模型或 reward model，用于特定医疗任务下的稳定评判与偏差控制。 3）效果诊断与后训练闭…… 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 24329 个上海岗位（全城各职能合计），其中 1198 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 8K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 113K。