岗位职责
1.探究推理、事实性和泛化的评估套件库。
2.运用自动和人工评估，构建测试感知准确性、符号推理正确性、工具调用精度和端到端任务成功的基准测试方法。
3.在神经推理和 MCP 调用时检测可观察性（度量、日志、追踪）。
4.团队技术协调。
任职要求
1.专业背景：计算机、数学、统计、人工智能等相关专业。
2.学历要求：硕士学历及以上；本科学历如有优秀项目经验也可接受。
3.工作经验：至少 2 年相关项目经验，有重要项目突破经历可放宽至 1 年。
4.技能要求：具有 NLP/AI 性能测试评估、度量设计、代码调试、项目进展跟进及 AI 项目风险评估工作能力或经历，掌握统计分析（Python/R）、human-in-the-loop 评估框架并具有综合审核各方进展的技术协调能力。
工作地点：天津、杭州、珠海