阿里巴巴
智多星-大模型评测（生物信息方向）
智多星-大模型评测（生物信息方向）
发布于 4 小时前实习/见习
实习生仅现场办公数据标注与评测
数据标注与评测
大模型评测
数据质检
机器学习
生物信息学
组学分析
生物湿实验
值不值得投
78综合评分
综合评分 78
阿里大模型评测实习岗，AI+生物信息前沿交叉赛道，技术成长空间大，适合复合型背景硕博。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
1万
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 3080 个在招 · 其中数据标注与评测 36 个
市场机会
选择适中
杭州 · 数据标注与评测 · 32 个在招
职位详情
关于这个职位
该职位主要负责生物方向大模型评测Benchmark的建设与数据生产，运用生物学专业知识进行数据质检、审题及模型回复评价
同时协助评测项目管理，分析大模型在生物领域的薄弱环节，推动模型优化闭环，适合具备生物信息学背景及AI实习经验的在读硕博研究生
最低要求
学历要求：相关专业在读PHD（特别优秀的硕士亦可考虑）
学科背景：生物信息学、计算生物学、基础医学、药理学等相关专业，具备生物医药交叉背景者优先
专业技能：具备扎实的生物湿实验技能，熟练掌握细胞生物学、基因编辑、分子生物学、免疫学等相关实验技术
熟练使用 Python、R 等开展生物数据分析、统计建模及组学分析，能够独立完成数据处理、模型构建、结果解释和可视化
具备生物湿实验能力者优先，掌握分子生物学、生物化学、细胞生物学等基本实验技术
行业经验：有AI相关实习经历
具备开发、优化和验证体外、体内药物筛选模型的经验
深入理解临床前阶段药物研发流程，有肿瘤、神经等疾病领域药物筛选经验者优先
具备扎实的生物信息学或计算生物学研究经验，能够运用组学分析、统计建模、机器学习等方法解决生物学问题
综合素质：具备严谨的科研逻辑及良好的英语读写能力
工作职责
参与生物方向大模型评测 Benchmark 建设，运用生物学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
参与生物方向评测数据生产，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
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
分析大模型在生物专业知识、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，协助形成评测、数据与模型优化闭环，持续提升模型在生物方向的准确性、可靠性与专业表现
优先资格
具备生物医药交叉研究背景，或者兼具生物湿实验经验，能够理解实验设计、数据生成过程及实验偏差
熟练使用主流 AI 大模型，有 Agent 使用经验
具备良好的沟通能力和多线程任务处理能力
AI 洞察
优缺点分析
优点
- 处于AI大模型与生命科学交叉的前沿赛道，能深入接触顶尖大模型评测体系
- 依托阿里平台，能积累丰富的AI项目落地与数据闭环经验，提升复合背景竞争力
- 评测数据生产与质检工作可能较为繁琐，需要极高的严谨性和耐心
- 适合具备生物信息学/计算生物学背景，对AI大模型有浓厚兴趣，且细心严谨的在读硕博研究生
缺点 / 挑战
- 需要同时兼顾生物学专业深度与AI技术理解，对跨学科知识融合能力要求较高
角色解读
- 可向AI大模型评测专家、生物信息算法工程师或AI医疗/制药领域的产品经理方向发展，成为AI与生命科学交叉领域的稀缺复合型人才
- 负责生物方向大模型评测Benchmark的建设与数据生产，运用生物学专业知识进行题目质检、答案校验和模型回复评价
- 协助项目管理，分析大模型在生物领域的薄弱环节，推动模型优化闭环
- 需要具备生物信息学或计算生物学背景，熟练掌握Python/R进行数据分析，并具备扎实的生物学湿实验知识
- 同时要求有AI相关实习经验，熟悉大模型及Agent的使用
申请策略
- 在简历或面试中展现跨学科学习能力，说明自己如何将生物学知识与AI技术结合解决实际问题
- 重点突出生物信息学/计算生物学的研究经历，以及使用Python/R进行组学分析和建模的项目经验
- 强调AI相关实习经历，特别是对大模型或Agent的使用与理解
- 提前了解大模型评测（Benchmark）的常见方法论和流程，熟悉主流大模型及Agent的交互方式
- 复习生物湿实验相关知识，以便在面试中展现对实验设计和数据偏差的理解
面试指南
- 采用STAR法则描述项目经历，突出自己在跨学科（生物+AI）中的具体贡献和解决的问题
- 对于评测设计问题，可从科学性、准确性、区分度、覆盖度等维度结构化回答
- 请介绍一个你使用Python/R进行生物数据分析或组学分析的项目经历
- 你如何理解大模型在生物专业领域的评测？如果让你设计一个生物方向的Benchmark，你会考虑哪些维度？
- 在过往的AI实习或研究中，你遇到过哪些数据质量或模型幻觉问题？是如何解决的？
- 请谈谈你对生物湿实验的理解，实验设计中的偏差如何影响计算模型的数据分析？
- 准备1-2个生物信息学与AI结合的具体项目案例，深入理解大模型评测的基本概念（如准确率、召回率、幻觉等）
- 了解阿里在医疗/生物大模型方面的最新进展
职位点评
薪资福利75
成长发展90
工作生活60
使命价值85
薪资福利
75中等
实习岗位薪资按日薪折算，处于互联网实习津贴的中上水平，但受限于实习生身份，绝对薪资不及正式员工。
薪资信号未披露（AI估算：6.5千–1.3万/月）
成长发展
90较高
处于AI大模型与生物信息交叉的前沿领域，能深度参与大模型评测与优化闭环，技术成长与行业视野拓展空间极大。
技术前沿前沿/新兴技术
技术栈大模型评测、Benchmark、Python、R、Agent、组学分析、机器学习
业务类型ambiguous
工作生活
60中等
实习岗位通常需保证一定的出勤时间，且大模型评测项目可能面临交付压力，WLB情况未明确，需视具体团队节奏而定。
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
85较高
致力于提升大模型在生物专业领域的准确性与可靠性，对推动AI在生命科学、医药研发等严肃科学领域的应用具有积极的社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs