小红书
Code agent数据工程（评测）实习生
Code agent数据工程（评测）实习生
发布于 2 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
Ai编程工具
Claude Code
Rubric
Web开发
大模型评测
自动化评测
值不值得投
73综合评分
综合评分 73
大模型前沿评测实习岗，技术成长空间大，但出勤时间要求较高。
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
5千
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 1380 个在招
市场机会
选择适中
北京 · 数据标注与评测 · 22 个在招
职位详情
关于这个职位
该职位主要负责小红书自研大模型在Web开发场景下的评测集构建与数据体系搭建，制定评分标准并推动机评与人评对齐，同时开发自动化评测链路以分析模型表现
适合对AI编程工具和大模型评测有浓厚兴趣的在校生
最低要求
专业背景：计算机 / 软件工程、计算语言学、语言学、认知科学、人机交互、数字媒体、数据科学、统计等交叉学科
本科及以上
有一定代码基础：有Python基础
熟练使用 Claude Code / Codex / Cursor 等 AI 编程工具，有真实的 AI Coding 产出
对大模型评测有基础认知：了解 benchmark、Rubric、标注一致性等概念
自驱力强，对AI有好奇心和探索欲
每周实习 ≥ 4 天，连续 ≥ 3 个月
工作职责
参与小红书自研基模后训练，评测集与数据体系构建：围绕webdev场景，设计评测任务、搭建数据筛选链路和评测体系，以确保评测集的覆盖度和区分度
评测对齐：制定并迭代评分 Rubric，确保评测结果的置信度，组织并参与人工评测，做一致性分析，定位标准歧义并修正
推动机评与人评的对齐
自动化评测开发：自动化评测链路开发，维护评测执行环境，保证结果可复现
输出评测报告，分析模型在真实 Web 场景中的表现与失败模式
优先资格
如果有前端/后端经验优先
AI 洞察
优缺点分析
优点
- 深入参与大模型后训练核心环节，积累前沿的AI评测与数据工程经验
- 熟练使用最新AI编程工具，大幅提升个人开发效能与代码质量
- 小红书大模型团队技术氛围浓厚，能接触真实Web场景的模型表现与优化方法
- 适合对大模型技术有强烈好奇心、具备一定代码基础且自驱力强的计算机或交叉学科在校生
缺点 / 挑战
- 评测标准的制定与对齐需要反复迭代，对逻辑严密性和细致度要求较高
- 需要兼顾学校学业与每周至少4天的实习出勤，时间管理压力较大
角色解读
- 从数据评测实习生成长为AI数据工程专家或大模型算法工程师
- 深入理解大模型能力边界，未来可向AI产品经理或大模型应用研发方向发展
- 负责大模型在Web开发场景下的评测集构建与数据筛选链路搭建，确保评测集的覆盖度和区分度
- 制定评分标准（Rubric）并组织人工评测，进行一致性分析，推动机评与人评对齐
- 开发自动化评测链路，维护执行环境，分析模型在真实场景中的表现与失败模式
- 具备Python编程基础，了解前端/后端开发逻辑
- 熟练使用Cursor、Claude Code等AI编程工具，并有实际的AI Coding产出经验
- 理解大模型评测的核心概念，如Benchmark、Rubric设计、标注一致性等
申请策略
- 在简历或面试中展示对Web开发场景的理解，以及如何通过数据工程手段提升模型在特定场景下的表现
- 突出Python编程能力及前后端项目经验，展示扎实的代码基础
- 展示使用AI编程工具（如Cursor、Claude Code）的实际产出，最好附带代码链接或项目截图
- 强调对大模型评测、Benchmark的理解，或相关的数据处理、自动化脚本开发经历
- 提前熟悉大模型评测的常用指标和Rubric设计方法，了解人工评测流程
- 深入学习并实践AI辅助编程工具，积累真实的AI Coding项目经验
面试指南
- STAR法则：情境-任务-行动-结果
- 针对工具使用，强调具体场景、遇到的困难及AI工具如何解决
- 针对评测设计，从任务定义、数据筛选、指标设定到结果分析进行系统性阐述
- 你平时如何使用Cursor或Claude Code等AI编程工具？请分享一个具体的产出案例
- 如何设计一个针对Web开发场景的大模型评测集？你会关注哪些维度？
- 在人工评测中，如何保证不同标注者之间的一致性？遇到标准歧义如何处理？
- 请描述一次你使用Python开发自动化脚本或评测链路的经历
- 准备1-2个使用AI编程工具完成复杂代码任务的详细案例，突出效率提升
职位点评
薪资福利65
成长发展90
工作生活50
使命价值80
薪资福利
65中等
作为实习生岗位，薪资按日薪折算，能满足在校生的基本生活需求，但相比正式员工仍有差距。
薪资信号未披露（AI估算：4–6.5千/月）
成长发展
90较高
岗位涉及大模型后训练与评测，接触前沿AI技术和工具，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、Claude Code、Codex、Cursor、Benchmark、Rubric、大模型评测
业务类型ambiguous
工作生活
50较低
要求每周实习至少4天且连续3个月，对在校生的时间精力有一定要求，WLB相对受限。
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
80较高
身处人工智能与大模型高速发展的赛道，参与自研基模建设，具有较强的行业前景和技术使命感。
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