全链路模型评估
设计并实施多维度LLM文本评估方案（排序/打分/AB测试）
构建行业垂域Benchmark数据集，辅助自动化评估工具链性能
主导模型效果归因分析，定位缺陷案例（BadCase）及风险模式
日常参与NLP项目下多版本模型迭代评测
质量体系构建
建立文本生成质量评指标体系（安全性/事实性/有用性等）
制定细粒盘评测规范与质量管控流程
持续优化评估方法论，提升评测效度与信度
技术驱动优化
协同算法图队完成模型缺陷根因分析，输出可量化的优化建议并推动工程落地
探素PromptEngineering等调优技术对模型表现的提升路径
二、必备条件或资质：
学历与专业背景
本科一批优先（大模型领域经验突出者可放宽至普通本科）
专业倾向：
文科类：英语语言文学、新闻传播学、汉语语言学等方向优先
理工类：计算机科学、电子信息工程等方向优先
工作经验与核心能力
具备1年以上LLM文本数据评测经验，包括：
设计并执行多维度模型评测方案（排序/打分）
构建科学评估指标体系及数据分析框架
定位模型缺陷案例（BadCase），推动效果优化闭环
掌握Benchmark数据集构建方法论
知识储备丰富，涉猎较广泛，学习能力强，使用过大模型产品（千问/豆包/DeepSeek/kimi）者优先
具有文本质量敏感度：
精准识别生成内容的无害性、事实准确性及信息价值