设计并执行大模型应用评测：针对Chatbot与ChatBI等应用，设计系统化测试方案，包括功能测试、逻辑测试与边界测试
构建评测数据与指标体系：构建评测数据集，并设计评估指标（如准确率、鲁棒性、一致性、幻觉率等）
参与Agent应用搭建与测试：参与AI Agent系统的构建与测试，验证多步骤推理与工具调用能力
执行模型输出评估：结合人工评测与自动评测（如LLM-as-a-judge）评估模型输出质量
分析模型问题与行为：识别模型幻觉、逻辑错误、偏差等问题，并提出优化建议
数据处理与脱敏：进行数据清洗与脱敏（如匿名化、掩码处理），确保符合数据隐私要求
撰写评测报告：输出评测方法、结果分析及优化建议，并向相关方汇报
向团队成员和相关方展示成果与洞察