字节跳动
豆包AI大模型评测工程师-火山方舟MaaS
豆包AI大模型评测工程师-火山方舟MaaS
发布于 大约 3 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
自动化
数据分析
RAG
多轮对话
大模型评测
评测Pipeline
Claude系列
Gpt系列
AI 估算 · 25k–45k
字节跳动，北京，AI大模型评测岗，需掌握Agent、RAG等前沿技术，市场需求高，薪资竞争力强，预估月薪25k-45k。
职位详情
关于这个职位
作为豆包AI大模型评测工程师，你将深入理解To B客户需求，将客户反馈转化为评测任务，并构建端到端的评测Pipeline（含Agent、RAG、多轮对话等复杂场景）
你需要设计过程评测指标，实现自动化评测，确保模型在真实业务场景中的表现
这是一个技术深度高、与前沿AI紧密结合的岗位
最低要求
本科及以上学历，硕士学位优先
计算机科学、软件工程、人工智能等相关专业
对主流Agent和Vibe Coding工具非常熟悉，有丰富的使用经验
对主流大模型（GPT系列、Claude系列、开源模型）有深入使用经验，熟悉各模型能力边界
有数据分析能力，能从评测数据中发现Pattern、定位问题根因
较强的自驱力，能主动提出新的思路，并推动落地执行
工作职责
深入理解豆包AI大模型To B客户需求，将客户反馈转化为评测任务，确保评测结果真实反映客户使用效果
基于真实业务场景构建端到端评测Pipeline（含Agent工具调用、RAG检索、多轮对话等复合链路）
从实际使用视角设计评测案例——模拟客户真实Workflow，评估模型在完整工作流中的表现
设计Agent和Coding场景的过程评测指标（如工具调用准确率、代码通过率、多步规划成功率等），能拆解模型每一步的效果
实现评测自动化，在AI工具的帮助下，实现To B复杂场景的评测自动化
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型技术和To B应用场景，技术成长快
- 字节跳动平台资源丰富，团队在AI领域领先，可积累宝贵经验
- 岗位核心度高，直接影响产品体验和客户满意度，成就感强
- 领域知识要求全面，需同时掌握大模型、Agent、评测自动化等多个方向
- 适合对AI大模型有浓厚兴趣、具备较强动手能力和数据分析能力，喜欢解决复杂问题并推动优化的技术型人才
缺点 / 挑战
- 工作强度可能较高，需要快速响应客户需求和模型迭代
- 评测结果需高度准确，压力较大，需要精细化的分析能力
角色解读
- 从评测工程师向AI应用架构师发展，深入参与大模型在To B场景的落地
- 积累大量模型评测和数据经验，转型为AI算法工程师或机器学习专家
- 在字节跳动内部可横向迁移至模型训练、产品管理等方向，晋升空间广阔
- 深入理解客户需求，将业务场景转化为具体的评测任务，确保评测结果贴近实际效果
- 构建端到端的评测Pipeline，集成Agent工具调用、RAG检索、多轮对话等复杂链路
- 设计精细的过程评测指标，如工具调用准确率、代码通过率，用于分解模型每一步的表现
- 实现评测自动化，借助AI工具提升复杂场景的评测效率
- 精通主流大模型（如GPT-4、Claude、开源模型）的使用方法和能力边界
- 熟练使用Agent和Vibe Coding工具，有丰富的实践经验和场景理解
- 强大的数据分析能力，能从评测数据中识别模式、定位问题根因
- 自驱力强，能主动提出新思路并推动落地，适合快速迭代的AI领域
申请策略
- 申请时强调对AI评测的热情和对字节跳动火山方舟产品的理解
- 准备好展示过往评测项目成果，最好有量化的数据支撑
- 突出大模型使用经验，尤其是Agent、RAG、多轮对话等场景的实战项目
- 展示评测框架或自动化工具的开发经历，如构建过评测Pipeline
- 强调数据分析案例，如通过数据发现模型问题并推动改进
- 如有开源贡献或技术博客，体现技术深度和自驱力
- 深入学习主流大模型的API和使用技巧，特别是GPT和Claude的agent能力
- 掌握Vibe Coding工具（如Cursor、Copilot）并积累实际项目经验
面试指南
- STAR法则：描述背景、任务、行动和结果，突出个人贡献
- 结构化思考：先明确目标，再拆解步骤，最后用数据说话
- 强调闭环：不仅发现问题，还能提出改进方案并验证效果
- 请描述一个你设计过的评测Pipeline，包括使用的工具和指标
- 如何评估一个Agent在复杂多轮对话中的表现？你会设计哪些指标？
- 你如何从评测数据中定位模型的问题根因？请举例
- 你对主流大模型（如GPT-4、Claude）的能力边界有何理解？
- 如果客户反馈模型效果不佳，你会如何分析并改进评测方案？
匹配度报告
67
综合匹配度
字节跳动AI大模型评测岗，前沿技术栈、高成长性，但WLB一般。
适合人群
最看重技术成长和前沿AI实践的求职者，能接受较高强度工作。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利72
成长发展90
工作生活40
使命价值65
薪资福利匹配
72中等
字节跳动作为大厂，薪资福利有竞争力，但JD未提及具体福利（如年终奖、补充医疗），且可能因高强度工作而影响稳定性预期。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
岗位涉及最前沿的AI大模型、Agent、RAG技术，成长性极强，且字节跳动提供丰富的内部资源和晋升通道。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、多轮对话、Vibe Coding、GPT系列、Claude系列
业务类型profit_center
工作生活匹配
40较低
北京办公，现场工作，未提及弹性工时或远程，互联网大厂通常工作强度大，WLB不突出。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
65中等
AI大模型是高速增长赛道，岗位直接参与To B应用落地，有一定社会影响力，但主要服务于商业客户，使命感中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs