腾讯
资深AI评测工程师（多模态与 AIGC方向）
资深AI评测工程师（多模态与 AIGC方向）
发布于 大约 16 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
软件工程
LLM
多模态
AIGC
CV
Lpips
Opencompass
Llm-As-A-Judge
Aesthetic Score
Clip Score
AI 估算 · 35k–65k
腾讯大厂资深AI岗，技术门槛高、行业稀缺，竞争力强，月薪35k-65k合理。
职位详情
关于这个职位
作为腾讯的资深AI评测工程师，你将专注于多模态与AIGC方向的质量保障，负责构建高质量评测数据集、开发自动化评测流水线，并建立图像/视频生成的评估体系
这是一个深度参与前沿AI技术质量控制的核心技术岗位，适合对模型评测有热情、追求技术深度的工程师
最低要求
教育背景：计算机、数学、数据科学等相关专业硕士及以上学历
方法论深度：熟悉各类评测技术（如 A/B Testing, Elo Rating, LLM-as-a-Judge），能独立设计复杂的评测实验
了解 LLM、CV 及多模态模型的基本原理，知道模型在哪些地方容易“翻车”
实战经验：有 Benchmark 构建经验（如构建过公司内部的行业测试集、Prompt 库或高质量标注集）
熟悉多模态评测维度（如 OCR、视觉推理、属性对齐）及 AIGC 评估指标（如 CLIP Score, Aesthetic Score, LPIPS 等）
工程能力：精通 Python，能熟练编写自动化脚本，有处理大规模文本/多媒体数据的经验
工作职责
Benchmark 构建与管理：负责高质量评测数据集的挖掘、清洗、标注与动态更新，设计长尾场景测试集，专门捕捉模型在极端或复杂指令下的失效点
自动化评测流水线开发：搭建自动评测框架，集成主流开源评测工具（如 OpenCompass, VLMEvalKit 等）
开发基于模型的自动评分器，提升评测效率并保持与人工评价的高一致性
AIGC 专项评测：建立图像/视频生成的质量评估体系，涵盖视觉效果、语义遵循、物理规律等维度，并解决生成内容的主观评价量化难题
AI 洞察
优缺点分析
优点
- 腾讯大平台，技术积累深厚，可接触前沿AI技术（多模态、AIGC）
- 岗位稀缺，专业性强，容易形成技术壁垒和行业影响力
- 薪资待遇优厚，福利完善，职业发展路径清晰
- 评测工作可能较为枯燥，需要大量数据清洗和实验设计，耐心要求高
- 技术迭代快，需要持续学习最新模型和评测方法
- 工作强度较大，可能需要应对紧急评测任务和项目deadline
缺点 / 挑战
- 适合对AI模型评测有强烈兴趣、喜欢数据分析和实验设计、追求技术深度且能承受一定压力的工程师
角色解读
- 向AI评测专家或技术负责人发展，主导质量体系建设
- 可横向迁移至模型训练、算法优化等岗位，成为复合型AI人才
- 在腾讯大平台积累前沿技术经验，后续可进入AI创业公司或晋升管理岗
- 构建和维护高质量评测数据集，设计长尾场景测试集，发现模型在极端或复杂指令下的失效点
- 开发自动化评测流水线，集成开源工具（如OpenCompass、VLMEvalKit），并开发基于模型的自动评分器
- 针对AIGC图像/视频生成建立质量评估体系，从视觉效果、语义遵循、物理规律等多维度量化评估
- 扎实的评测方法论：熟悉A/B Testing、Elo Rating、LLM-as-a-Judge等评测技术，能独立设计复杂实验
- 深入理解LLM、CV及多模态模型原理，了解模型常见失效模式
- 熟练掌握Python，具备自动化脚本开发和大规模数据处理经验
- 有Benchmark构建经验，熟悉多模态评测维度和AIGC评估指标
申请策略
- 深入了解腾讯的AI产品线（如混元、AI Lab），在面试中展现你对业务场景的理解
- 关注评测领域的最新进展（如Google的Gemini评测、Meta的Seal），展现技术洞察力
- 突出Benchmark构建经验：详细描述你构建过的评测集、Prompt库或标注流程
- 展示自动化评测能力：如有自己开发的评测框架或工具，附上GitHub链接
- 量化成果：用数据说明评测工作如何提升模型效果或发现关键问题
- 强调对多模态和AIGC的理解：列出你熟悉的评估指标和工具
- 补强评测方法论文献阅读，深入理解LLM-as-a-Judge、Elo Rating等底层逻辑
- 动手实践OpenCompass、VLMEvalKit等开源框架，熟悉其架构和扩展方式
面试指南
- 对于评测设计问题：明确目标、定义指标体系、选择数据集、设计实验流程、结果分析
- 对于指标选择问题：结合具体业务场景，说明指标优缺点，最好有对比实验
- 对于经验分享问题：STAR法则（情境-任务-行动-结果），突出你的思考过程和量化结果
- 请设计一个评测方案，评估一个多模态模型在视觉问答任务上的表现
- 如何解决AIGC生成内容主观评价的量化难题？请举例说明
- 你如何选择评测指标？在CLIP Score和Aesthetic Score之间如何权衡？
- 描述你曾经构建的一个Benchmark，包括数据来源、清洗流程和最终效果
- 如果发现模型在长尾场景下频繁出错，你会如何分析和改进评测集？
匹配度报告
73
综合匹配度
腾讯大厂、前沿AI技术栈、薪资优厚，但工作强度大且灵活性低。
适合人群
最适合追求技术深度和快速成长的求职者，对工作强度有一定承受能力。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展92
工作生活45
使命价值70
薪资福利匹配
85较高
腾讯作为互联网巨头，提供极具竞争力的薪酬和全面福利，但该职位JD未明确披露薪资，整体处于行业高水平。
薪资信号未披露（AI估算：35K-65K/月）
成长发展匹配
92较高
岗位聚焦多模态与AIGC前沿技术，需要掌握最新评测方法和工具，技术成长空间巨大，且腾讯内部有丰富的学习资源和项目机会。
技术前沿前沿/新兴技术
技术栈多模态、AIGC、LLM、CV、Benchmark、OpenCompass、VLMEvalKit、CLIP Score、Aesthetic Score、LPIPS、A/B Testing、Elo Rating、LLM-as-a-Judge
业务类型ambiguous
工作生活匹配
45较低
岗位要求现场办公（深圳），未提及弹性工作或远程政策，互联网大厂普遍工作强度较高，生活平衡可能受影响。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
腾讯平台影响力大，AI质量保障间接推动技术向善，但岗位本身社会使命感一般。AI行业高速增长，前景好。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs