负责重点AI能力（Chatbot、GUI Agent、Generative rec 等）的评测体系的搭建与优化，包括评测维度设计、指标定义、流程标准化，确保评测结果科学、客观、可复现
负责评测数据真值方案构建，包括数据标注、自动化生产等，确保评测数据真实有效，指引算法优化方向
跟踪业界前沿AI评测技术与方法（如LLM-as-a-judge、Agent-as-a-judge）以及评测基准（AIME、GPQA、BrowserCamp、OSWolrd），并结合业务需求引入创新思路，持续优化评测体系
与算法研发、产品、工程团队紧密协作，明确评测需求，能发现算法能力的欠缺并分析问题原因，推动AI产品质量提升