Alibaba logo
阿里巴巴
智多星-大模型评测(Omni方向)

智多星-大模型评测(Omni方向)

发布于 1 小时前

实习/见习

AI 估算 · 0.3–0.5千 · AI 参考估算
初级经验
硕士
实习生仅现场办公数据标注与评测
数据标注与评测
Ai Agent
Benchmark构建
Omni多模态模型
大模型评测
数据质检
统计分析
自动化评测
英文论文写作

值不值得投

72综合评分

综合评分 72

前沿多模态大模型评测实习,科研与成长机会突出,办公模式和生活节奏信息不明确

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较实习机会。

薪资怎么样

1.0千

比数据标注与评测中位数低

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 5250 个在招 · 其中数据标注与评测 63 个

市场机会

选择面较广

杭州 · 数据标注与评测 · 59 个在招

职位详情

关于这个职位

这是一个面向在读硕博生的多模态大模型评测实习岗位,聚焦 Omni 全模态模型在文本、图像、音频、视频等场景下的能力评估

你将参与 Benchmark 构建、数据质检、自动化评测、错误归因与论文发表,并与算法、产品、数据团队协作推动模型优化

最低要求

学历要求:相关专业在读硕、博士

学科背景:计算机、人工智能、语言学、心理学、人机交互、多媒体、物理学或其他STEM学科等
专业技能:熟练使用 Python 或通用桌面智能体进行数据处理、脚本编写和简单自动化评测,能够独立完成数据处理、模型构建、结果解释和可视化
行业经验:有AI相关实习经历
具备扎实的Omini模型研究或实践经验,能够运用数理建模、机器学习等方法解决相关领域问题
对大模型、多模态模型有基本理解,熟悉常见评测方法与指标
综合素质:具备快速学习能力,较强的科研逻辑、问题拆解和跨学科协作能力,以及良好的英文读写能力
具备良好的语言表达、沟通协作能力
具有良好的自驱力与抗压能力
具有多线程任务处理能力
兴趣动机:对 AI Agent、世界模型、多模态交互有强烈兴趣,并将来有志于从事AI行业

工作职责

跟踪业界前沿 Omni 模型动态,研发 Omni 全模态大模型Benchmark,并发表相关顶会论文,覆盖文本、图像、音频、视频的任意模态输入与输出

运用专业知识对评测题目、参考答案及评分标准进行数据质检与审题,保障评测数据的科学性、准确性和区分度
学习前沿论文与资讯,构建和维护多模态评测集、训练数据集与评测 SOP,包括跨模态理解、语音对话、图像/视频生成、音画同步等场景
实现Omini方向评测落地与自动化评测,包括题目分类、答案校验、模型回复评价、错误归因及标签规范整理,为模型能力评估提供高质量数据
通过专业工具与技能,分析大模型在Omini相关知识与技能、科学推理及问题解决方面的薄弱环节,沉淀典型案例和改进建议,与算法、产品、数据团队协作,形成评测、数据与模型优化闭环,持续提升模型在Omini方向的准确性、可靠性与专业表现
在Mentor带教下,协助评测项目管理与交付,支持任务拆解、进度跟踪、质量抽检、问题记录及跨团队协作,确保数据生产和评测工作高质量完成

优先资格

● 深度使用过 GPT、Gemini、Qwen-Omni、Claude 等模型,并有评测/对比经验

● 有评测集构建、数据生产、统计分析经验
● 熟悉文本/图像/音频/视频处理工具,或了解语音识别/合成、视频生成基础
● 具备英文论文阅读/写作能力,有相关论文、开源项目或竞赛经历

AI 洞察

优缺点分析

优点

  • 岗位直接聚焦 Omni 全模态大模型评测,能接触文本、图像、音频、视频融合的前沿场景
  • JD明确提到顶会论文发表机会、评测标准制定经验和第一手多模态能力数据,对科研型实习生吸引力较强
  • 可与算法、产品、数据团队协作,形成评测、数据与模型优化闭环,成长路径贴近 AI 核心业务
  • 实习证明、转正或其他 AI 核心团队工作机会,对后续求职和职业发展有加分
  • 需要同时理解多模态模型、评测指标、数据处理和科研方法,学习曲线较陡
  • JD强调自驱力、抗压能力和多线程任务处理,项目交付与质量抽检可能节奏较快
  • 评测结论需要兼顾科学性、准确性和区分度,对细节质量和逻辑严谨性要求高
  • 适合在读硕博、具备 AI 实习经历、对多模态大模型和 AI Agent 有强烈兴趣,并希望积累评测标准、数据构建和科研论文经验的求职者

缺点 / 挑战

暂无明显挑战项

角色解读

  • 短期可积累大模型评测、数据合成、Benchmark 构建和自动化评测的实战经验
  • 中期可向多模态算法评测专家、数据策略专家或 AI 产品质量评估方向发展
  • 长期有机会进入大模型算法、AI Agent、世界模型或多模态交互相关核心团队继续深造或转正
  • 跟踪 Omni 全模态模型前沿动态,参与文本、图像、音频、视频任意输入输出场景的 Benchmark 研发与论文发表
  • 构建和维护多模态评测集、训练数据集与评测 SOP,开展题目分类、答案校验、模型回复评价和标签规范整理
  • 分析模型在跨模态理解、语音对话、图像/视频生成、科学推理等方向的薄弱环节,沉淀案例与改进建议
  • 在 Mentor 带教下参与任务拆解、进度跟踪、质量抽检和跨团队协作,保障评测项目交付质量
  • 需要掌握 Python 或通用桌面智能体,能够进行数据处理、脚本编写、简单自动化评测和结果可视化
  • 需要理解大模型、多模态模型及常见评测方法与指标,具备 Omni 模型研究或实践经验
  • 需要具备科研逻辑、数理建模、机器学习基础,能够解释评测结果并进行错误归因
  • 需要良好的英文读写、沟通协作、多线程任务处理和自驱抗压能力

申请策略

  • 申请时明确表达自己对 Omni 模型、AI Agent、多模态交互的长期兴趣,并说明为何希望从事评测方向
  • 关注阿里巴巴大模型与 Qwen-Omni 相关公开资料,面试前准备对现有多模态模型评测方法的理解和改进想法
  • 突出与大模型、多模态模型、AI Agent 或世界模型相关的研究/实习经历,说明你具体负责的数据、模型或评测环节
  • 展示 Python 数据处理、脚本编写、自动化评测、可视化和统计分析能力,最好附上项目产出或量化结果
  • 强调评测集构建、数据质检、答案校验、错误归因、标签规范等经验,体现对评测质量的敏感度
  • 列出英文论文阅读/写作能力、论文、开源项目、竞赛经历,以及 GPT、Gemini、Qwen-Omni、Claude 等模型对比使用经验
  • 提前熟悉多模态评测常见指标与 Benchmark 设计方法,理解跨模态理解、语音对话、图像/视频生成和音画同步等任务
  • 补充 Python 数据处理、自动化脚本、结果可视化和统计分析能力,能够独立完成小规模评测流程

面试指南

  • 设计类问题按“目标定义—任务分层—数据构建—评分标准—质量校验—结果分析”展开,体现完整闭环
  • 项目类问题用 STAR 框架说明背景、任务、方法和结果,重点量化数据规模、效率提升或质量改进
  • 模型评价类问题从能力维度、失败案例、指标设计、人工校验和偏差控制几个角度回答,避免只给主观感受
  • 你如何设计一个覆盖文本、图像、音频、视频任意输入输出的多模态 Benchmark?
  • 如果模型在语音对话或音画同步任务中表现较差,你会如何做错误归因?
  • 你用过哪些大模型或多模态模型?如何比较它们的优劣?
  • 请介绍一次你用 Python 做数据处理、自动化评测或结果可视化的经历
  • 你认为评测集的科学性、准确性和区分度分别应如何保障?

职位点评

薪资福利62
成长发展92
工作生活45
使命价值78

薪资福利

62中等

JD提到有竞争力的实习薪资、实习证明与转正机会,但具体薪资未披露,且实习岗位在稳定性和长期福利承诺上信息有限。

薪资信号未披露(AI估算:0.3–0.5千/月)
福利待遇有竞争力的实习薪资、实习证明、转正、其他AI核心团队工作机会

成长发展

92较高

岗位明确提供前沿 Omni 模型评测标准制定、顶会论文发表机会、第一手多模态能力数据,以及与算法和产品团队协作的实战经验,发展性非常突出。

技术前沿前沿/新兴技术
技术栈Omni、大模型、多模态模型、Benchmark、AI Agent、世界模型、自动化评测、数据合成、语音识别、视频生成
成长机会顶会论文发表机会、深度参与前沿 Omni 模型评测标准制定经验、快速积累大模型评测实战经验、全方位的工作素质与能力、AI行业顶尖团队人脉关系、业界领先的大模型评测集研发及数据合成技术与能力、转正、其他AI核心团队工作机会
业务类型ambiguous

工作生活

45较低

JD仅说明地点为北京/杭州,未明确远程、弹性或现场办公模式;同时提到抗压能力和多线程任务处理,但未直接说明加班情况。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

78中等

岗位聚焦前沿 Omni 全模态模型评测,涉及评测标准制定、模型可靠性提升和多模态交互研究,具有较强技术探索价值;但社会价值导向未作明确阐述。

行业发展高速增长赛道
社会影响中性/一般
使命信号持续提升模型在Omini方向的准确性、可靠性与专业表现
创新程度积极采用新技术
Watch Jobs