Job description
1.参与建设覆盖文本、音视频及具身模型的统一评测体系，设计并落地模型评测方法与指标体系； 2.面向基座模型，构建通用能力评测（理解、推理、事实性、安全性、鲁棒性等），支撑模型版本对比与演进决策； 3.面向业务侧（客服、导购、搜索、推荐等），抽象业务目标，设计专项评测指标、用例集与评测方案； 4.负责自动化评测与判分策略（规则 / 模型判分 / 多模型互评），并协同人工标注体系提升评测可信度； 5.参与评测数据集建设，包括数据采样、难例挖掘、数据版本管理与评测结果分析； 6.与工程团队协作，打通模型数据 – 实验 – 评测全链路闭环。
任职要求 / Qualifications: 1.本科及以上学历，计算机、人工智能、自动化、机器人等相关专业； 2.熟悉至少一个方向：LLM/多模态/语音/具身智能数据、训练或评测； 3.有模型评测、Benchmark、自动化评测或数据标注相关经验优先； 4.具备将“业务问题”转化为“可量化评测指标”的能力； 5.对评测结果的稳定性、可复现性、统计显著性有基本认知。
符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。