大模型算法与评测专家
岗位摘要
闭环算法优化：深度参与从基础模型到创新应用的全链路开发，通过评测反馈直接驱动模型微调 (SFT)、偏好对齐 (RLHF/DPO) 及架构改进，确保技术领先性；构建科学评测体系：设计、搭建并维护可扩展的模型评测基准与自动化平台，涵盖基础能力、指令遵循、长文本及安全性等多维度
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 闭环算法优化：深度参与从基础模型到创新应用的全链路开发，通过评测反馈直接驱动模型微调 (SFT)、偏好对齐 (RLHF/DPO) 及架构改进，确保技术领先性
- 构建科学评测体系：设计、搭建并维护可扩展的模型评测基准与自动化平台，涵盖基础能力、指令遵循、长文本及安全性等多维度
- 多模态与垂直领域评估：针对文本、视觉多模态及特定业务场景进行定量分析，构建高质量测试集，精准诊断算法边界
- 端到端应用落地：协同研发团队优化 RAG、Agent 等应用链路，基于评测数据定位 Rerank、Tool
- use 等环节的算法瓶颈并实施改进
- 标准化与方法论：推动评测工具自动化与流程标准化，探索 LLM
- Judge 等前沿评测技术，打造业内领先的评测标准
- 计算机、人工智能或相关专业硕士及以上学历
任职要求
- 计算机、人工智能或相关专业硕士及以上学历
- 具备扎实的机器学习和深度学习基础，深入理解 Transformer 架构，熟悉主流大语言模型（如 Qwen、Llama、MiniCPM 等）的训练与推理机制
- 熟练掌握 OpenCompass、VLMEvalKit 等主流评测框架，熟悉 SWE-bench（代码）、GAIA（Agent）、MMMU（多模态）等前沿基准评测
- 精通 Python 编程，具备模型训练（LlamaFactory、Swift、DeepSpeed）或评测平台从 0 到 1 的搭建经验
- 具备优秀的数据敏感度，能够从杂乱的预测结果中归纳出算法缺陷，并转化为可实施的训练策略
- 在顶级会议（NeurIPS、ACL、CVPR、ICML 等）发表过论文，或在知名开源评测榜单、数据竞赛中取得优异成绩者优先
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。