1. 配合产研团队开展大模型评测初期核心准备工作，主导 Agent / 模型工具调用 (Function Calling) 能力方向的评测集构建、Rubric 评估标准制定，搭建全流程评估校验体系，保障评测数据的精准性与可靠性，为模型迭代提供核心数据支撑； 2. 深度协同产品、算法、工程团队，对接业务场景数据需求，执行评测方案落地、评估校验等工作，同步反馈评测结果，提炼模型与数据问题，输出针对性优化建议； 3. 负责评测数据、校验结果的整理与分析，梳理评测流程中的核心痛点，持续优化评测集结构、Rubric 标准及校验流程，提升评测工作效率与模型迭代响应速度； 4. 关注大模型与 Agent 领域评测技术前沿，探索适用于工具调用能力的新型评测方法论，结合业务实际落地优化方案，助力提升 Agent 及模型的使用体验与迭代效能

1. 本科及以上学历，计算机、人工智能、软件工程等相关专业优先； 2. 熟练掌握 Python 编程语言，精通提示词工程，深入理解 Agent&Workflow 构建、Function Calling 的核心逻辑与实际应用场景； 3. 具备大模型评测、数据构建、算法研发或 AI 产品相关工作经验，有 Rubric 制定、评测集搭建实操经验者优先； 4. 对数据质量与模型效果变化高度敏感，具备较强的逻辑分析、问题诊断能力，能够独立推进评测相关工作落地与优化； 5. 具备优秀的团队协作能力、沟通协调能力以及项目管理能力，工作积极主动，自我驱动力强，能适应快速工作节奏，乐于钻研 AI 领域前沿技术与方法论