【27届留用实习生】-大模型评测算法-评测与标准中心

1、负责构建大模型与 Agent 的评测体系与评测平台 2、设计 Agent / LLM Benchmark、任务环境与评测指标 3、研发自动化评测策略，包括 LLM-as-a-judge、execution-based evaluation 等 4、分析 Agent trajectory 与任务执行过程，评估任务成功率与失败模式 5、支持模型对比分析与排行榜（Leaderboard）建设，推动评测体系持续演进

1、计算机、人工智能或相关专业硕士及以上学历 2、扎实的算法基础与工程能力，熟练使用 Python 3、熟悉大模型或 Agent 技术生态（LLM、Tool Use、Agent Framework 等） 4、对模型评测、Benchmark 构建或自动化评测系统有兴趣或相关经验 加分项： 1、参与过 LLM evaluation、benchmark 或评测平台相关项目 2、熟悉常见评测体系或平台，如 HumanEval、SWE-bench、WebArena、Chatbot Arena 等