Job description
- Agent 评测体系建设：设计并落地 Agent 能力评测框架，定义评测维度（任务完成率、推理能力、工具调用准确性、鲁棒性等），构建自动化评测流水线，支撑模型与 Agent 系统的持续迭代。
- Agent 自动化测试平台建设：搭建面向 Agent 产品的自动化测试平台，覆盖端到端场景回归、Prompt 回归、对抗性测试等能力，保障 Agent 线上质量与稳定性。
- Agent 任务识别与治理：对 Agent 执行链路进行任务识别、意图拆解与行为分析，建立任务分类体系与异常治理机制，推动 Agent 在真实业务场景中的可控落地。
- 多模态大模型落地应用：参与多模态大模型（视觉-语言、语音-语言等）在 Agent 场景中的工程化落地，包括能力评估、场景适配、效果优化与性能调优。