月之暗面
KIMI Agent Eval Intern｜视觉/3D/Robotics方向
KIMI Agent Eval Intern｜视觉/3D/Robotics方向
发布于 3 小时前实习/见习
实习生仅现场办公AI算法
AI算法
3D建模
Ai评测
Prompt Engineering
多模态大模型
数据标注与评测
用户体验研究
计算机视觉
值不值得投
80综合评分
综合评分 80
顶尖AI独角兽的前沿评测实习，高成长潜力，侧重主观标准量化与多模态技术结合
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
与AI算法中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
66 个在招
市场机会
选择适中
北京 · AI算法 · 50 个在招
职位详情
关于这个职位
月之暗面（Kimi）正在构建面向真实世界任务的多模态评测标准，该实习岗位旨在通过设计题目、制定评分细则（Rubrics）及迭代自动评测系统，评估AI生成内容的质量
你将参与从SVG/3D到机器人设计等多领域的评测工作，结合人工校准与自动化手段，提升评测的准确性与可解释性
最低要求
本科及以上在读，专业不限（欢迎设计、数字媒体、建筑、计算机、人工智能、图形学、机器人等背景）
具备专业判断能力并能清晰解释判断依据，能将主观感受转化为明确的维度、例子和验收条件
愿意用实验修正标准，能主动寻找反例、处理评审分歧，区分模型能力不足、题目歧义和评测器错误
具备动手能力与清晰的表达能力，能借助脚本、数据分析工具或AI工具整理样本、完成小规模对照实验并复盘
能阅读英文资料并与不同背景同学协作
至少具备以下两类能力之一：
设计与领域评测方向：在视觉设计、视频、动画、3D、交互或产品设计等领域有作品或实践
能提出有区分度的质量标准并通过样例校准推进到自动评测中
技术与评测研究方向：具备Python或JavaScript编程能力，有模型评测、计算机视觉、图形学、具身智能或自动化测试等项目经验
能实现指标或验证脚本
工作职责
设计有真实价值、有难度的题目：从用户需求与专业工作流中提炼任务，明确交付物、约束和验收方式
用多种模型的实际作答验证难度与区分度，形成覆盖不同能力和难度层级的题集
把“好在哪里、错在哪里”写成可执行的rubric：拆解需求满足、结构与功能正确性、动态或物理合理性、视觉表达等维度，明确必要条件、评分档位、权重、正反例和边界情况，让专业判断可以被他人复核、被自动评测使用
持续改进自动出题与判分方法：从误判样本中定位问题，迭代rubric模板、生成流程和Judge提示词
与研究、工程同学协作，结合程序检查、执行或仿真结果、视觉模型及多模态模型判断，选择适合任务的评测方式，并用对照实验验证改进
验证Judge的可信度：组织人工校准与分歧复盘，检验重复评分稳定性、与人工判断的一致性、严重误判及跨题目、跨模型泛化
保留独立测试集，排查模板过拟合、风格偏置与“钻评分空子”的案例
沉淀可复用的评测资产：维护题目、rubrics、锚点样例、失败案例和版本记录，让评分能够追溯到具体证据
设计不确定样本转人工复核的机制，在明确质量门槛下提高自动评测覆盖率
优先资格
设计过评测标准、数据集、Benchmark、奖励函数或LLM/VLM Judge
有人工标注校准、误差分析或评测工具开发经验
熟悉Blender、Rhino/Grasshopper、Three.js、视频生成或机器人仿真中的任一方向，能检查源文件、交互过程、时序表现或运动约束
有将主观质量转成可验证标准的实践，例如解释视频节奏与美感、检验参数化模型的可编辑性与复现性、验证机器人结构与动作的可行性
AI 洞察
优缺点分析
优点
- 身处AI前沿赛道，直接接触最前沿的多模态大模型评测逻辑
- 能积累高价值的评测数据集构建经验，对理解AI能力边界有深刻认知
- 工作内容兼具主观判断与客观量化，需要在‘感觉’与‘标准’之间找到平衡，对逻辑思维和表达能力要求极高
- 需处理大量边缘案例和误判分析
- 适合对AI技术有浓厚兴趣，同时具备良好审美或工程思维，喜欢探索未知标准而非执行既定流程的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI对齐（Alignment）、RLHF数据策略、多模态算法研究员或AI产品经理方向发展，深入理解大模型评测体系
- 负责设计和优化AI生成内容（如图像、视频、3D模型、代码）的评测标准与数据集
- 需要结合领域专业知识（设计/3D/机器人）与技术能力（Python/JS），具备将主观审美或功能判断转化为结构化评分规则（Rubrics）的能力
申请策略
- 在简历或求职信中体现你对‘如何定义好’这一哲学问题的思考，而不仅仅是罗列技能
- 突出展示你对AI生成内容的批判性思考，提供具体的评测案例或作品集
- 强调跨学科背景（如设计+编程），展示你如何将模糊需求转化为精确指标
- 提前了解LLM/VLM评测的基本概念（如BLEU, ROUGE之外的语义评测）
- 复习Python数据处理基础
- 熟悉常见的3D或设计工具以理解其输出特性
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点阐述你是如何从模糊的主观感受出发，通过拆解维度、收集样本、对比实验，最终形成可复用、可量化的评估体系的
- 请举例说明你如何评价一张AI生成的图片的好坏？你的标准是什么？
- 如果两个评委对同一个AI输出给出了截然不同的分数，你会如何处理这种分歧？
- 请描述一个你曾经建立或优化的评估标准/流程的经历
- 如何用代码或脚本辅助验证一个视觉设计的规范性？
- 准备1-2个详细的案例分析，展示你发现AI生成内容缺陷并分析原因的过程
- 了解月之暗面Kimi在多模态方面的最新进展
职位点评
薪资福利70
成长发展95
工作生活60
使命价值85
薪资福利
70中等
作为B轮独角兽公司的实习岗位，薪资通常高于市场平均水平，但实习性质决定了其长期稳定性不如正式员工，主要吸引力在于平台背书与成长机会。
薪资信号未披露（AI估算：0.4–0.6千/月）
成长发展
95较高
该职位处于AI评测的核心环节，能接触到最前沿的多模态大模型技术，对于构建个人在AI领域的核心竞争力极具价值，成长空间巨大。
技术前沿前沿/新兴技术
技术栈AI Agent、Multimodal LLM、Python、Computer Vision、3D Modeling、Robotics Simulation
业务类型profit_center
工作生活
60中等
JD未明确提及弹性工作制，但AI初创公司通常节奏较快。实习岗位压力相对较小，但需投入精力进行大量的样本分析和标准迭代。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
85较高
致力于解决AI生成内容质量评估这一关键痛点，推动AI从‘能用’到‘好用’的转变，具有显著的技术意义和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号把对AI产物的专业判断，变成可复现、可解释、能规模化运行的评测标准
创新程度开拓性创新（行业首创）
月之暗面 的其他在招职位
相似职位推荐
Watch Jobs