阿里巴巴
晓天衡宇-大模型标注评测工程师-前端方向（成都）
晓天衡宇-大模型标注评测工程师-前端方向（成都）
发布于 大约 1 小时前普通员工/个人贡献者
全职员工仅现场办公数据标注与评测
数据标注与评测
Eslint
JavaScript
Llm
值不值得投
74综合评分
综合评分 74
大厂前沿AI数据岗位，技术成长快，但工作节奏和WLB不确定。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
参考估算薪资
根据职位描述推断，供对比参考
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1630 个在招 · 其中数据标注与评测 5 个
市场机会
选择不多
成都 · 数据标注与评测 · 1 个在招
职位详情
关于这个职位
这是一份负责大模型前端方向AI Coding数据质量的岗位，主要工作是验收和评测代码生成、补全、debug等任务，制定标注规范并管理标注团队
需要具备扎实的前端开发功底和代码审阅能力，对LLM和Agent有一定理解，适合对AI数据质量和评测感兴趣的技术人才
最低要求
有真实 Web 前端或桌面端开发经验 — 熟练使用 TypeScript/JavaScript，有 React、Vue 或 Angular 等主流框架项目经验
具备代码审阅与质量判断能力 — 能读懂组件与状态逻辑，判断实现正确性、边界处理与性能问题，识别错误或低质答案
熟悉前端工程化工具链 — 理解 Webpack/Vite 构建、npm/yarn 包管理、ESLint 代码规范、Git 协作流程
具备结构化表达与标准化能力 — 能把质检问题清晰描述为缺陷类型、判定依据、影响范围与整改建议，并沉淀为可复用的验收标准
深刻理解模型能力发展脉络，能预判下一阶段的标注和评测重点
熟悉从基础能力到复杂能力的演进路径
理解训练数据的分布和特点，能设计针对性的评测来检验数据效果
具备反作弊意识，能识别模型是""""真懂""""还是""""背题""""
工作职责
验收前端方向 AI Coding 数据质量 — 对组件开发、bug-fix、UI 重构等任务数据进行质量验收，核查任务的真实性、难度合理性与工程场景还原度
标注规范与数据设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务
设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准
基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐
数据质量管控：对标注员产出进行专家级审核，重点识别代码逻辑错误、安全漏洞、风格一致性问题
建立 Code / Agentic 数据质量评估体系，定义量化指标并追踪质量趋势
设计并执行标注一致性校验流程（IAA），提升跨标注员的数据稳定性
标注团队赋能：为标注员提供技术培训，将复杂的代码和 Agent 概念转化为可操作的标注实践
担任技术难题的终极裁判，解决边界案例和歧义问题
参与标注工具需求设计，提升代码标注效率
探索更科学的评测指标、更高效的评测和标注方法
优先资格
参与过大模型（LLM）数据项目标注/评测/质检 / 验收工作
AI 洞察
优缺点分析
优点
- 接触前沿的大模型与Agent技术，积累稀缺的数据评测经验
- 阿里巴巴平台大，资源丰富，职业稳定性高，薪资福利有竞争力
- 岗位核心度高，对个人技术判断力和规范化能力锻炼很大
- 需要同时兼顾技术深度和流程管理，对沟通和表达能力要求高
- AI领域变化快，需要持续学习，保持对模型能力发展的敏感度
- 适合具备前端技术背景，对AI数据质量有热情，乐于严谨细致工作，希望在大平台深耕AI方向的工程师
缺点 / 挑战
- 日常偏重数据验收和质检，可能有重复性工作，需要耐心和细致
角色解读
- 成为AI数据评测与标注领域的专家，深入理解模型训练数据需求
- 可向数据策略、模型评测或AI研发方向拓展，技术广度与深度兼备
- 有机会晋升为团队主管，负责更大范围的数据质量管理与团队管理
- 负责前端方向AI Coding数据的质量验收与评测，检查代码生成、debug等任务的质量，确保数据达到训练标准
- 主导标注规范和评估标准的制定，设计Agentic场景下的复杂任务链标注框架，包括multi-step reasoning和tool use
- 管理标注团队，提供技术培训，解决标注过程中的疑难问题，并建立质量评估体系
- 精通TypeScript/JavaScript，熟悉React、Vue或Angular等主流前端框架
- 具备代码审阅能力，能准确判断代码正确性、边界问题和性能隐患
- 熟悉前端工程化工具链，如Webpack、Vite、ESLint和Git
- 理解大模型和Agent的基本原理，能设计科学的评测方法
申请策略
- 在投递时强调自己既能写代码又能做质检的复合型角色
- 表达对AI数据质量的热情和对项目长期投入的意愿
- 突出前端项目的实际开发经验，尤其是大型项目中的代码质量把控
- 强调自己对LLM和Agent技术的理解，如有相关项目或学习经验
- 如果有数据标注、评测或质量管理经验，务必重点描述
- 展示结构化表达和文档能力，例如写过规范或SOP
- 了解大模型评估常用指标（如BLEU、ROUGE、代码通过率）和评测方法
- 熟悉数据标注工具和流程，学一些基础的数据分析能力
面试指南
- 行为类问题用STAR法则，突出情境、任务、行动和结果
- 技术判断类问题，结合实际案例，展示从多个维度（正确性、性能、可维护性）思考
- 评测设计类问题，先明确目标，再拆解维度，最后给出量化指标
- 如何判断一段AI生成的代码是否高质量？
- 描述一次你发现并修复复杂代码逻辑错误的经历
- 你觉得Agentic场景下的数据标注与普通代码标注有什么不同？
- 如何设计标注一致性校验（IAA）流程？
- 你如何快速了解一个陌生的大模型技术并制定评测方案？
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
阿里巴巴作为大厂，薪资福利有竞争力，平台稳定，但JD未提及具体薪酬和福利，补偿性动机整体较高。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
岗位涉及大模型、Agent等前沿技术，且负责规范制定与评测方法探索，个人成长空间大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈TypeScript、JavaScript、React、Vue、LLM、Agentic、Webpack、ESLint
业务类型ambiguous
工作生活
60中等
工作地点在成都高新区科技园，正常办公模式，但JD未提及弹性工作或WLB，且大厂可能存在加班文化，生活方式动机中等。
工作模式未明确
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
70中等
AI是高速增长赛道，岗位对提升模型能力有价值，但社会影响力有限，且JD未强调使命，意义感动机中等偏上。
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