AI Agent算法评测工程师

搭建评测框架：构建针对RAG、Tool Calling、多步推理的自动化评测Pipeline，覆盖任务成功率与轨迹合理性。 裁判模型建设：落地LLM-as-a-Judge机制，解决打分偏差问题，实现Agent每日回归测试。 基准与数据集：维护业务评测黄金集，跟进行业Benchmark（如AgentBench），定期输出竞品对比报告。 缺陷归因：深度分析失败轨迹，区分是模型能力不足还是框架设计缺陷，推动底层优化。 【任职要求】 硬核技能：精通Python，熟悉Pytest，能独立搭建自动化测试工程。 懂大模型：熟悉RAG、Function Calling原理，擅长复杂Prompt设计与调优。 工程基础：熟悉Docker及CI/CD流水线，有数据分析（Pandas/可视化）能力。 加分项：有LLM-as-a-Judge实战经验；参与过AI应用的红队测试；熟悉LangChain或Dify源码。