地平线
【地瓜机器人】AI应用评测实习生
【地瓜机器人】AI应用评测实习生
发布于 3 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
Agent应用
Llmops
大模型评测
数据处理
模型评估
自动化测试
值不值得投
66综合评分
综合评分 66
前沿大模型评测技术岗，成长空间广阔，需接受线下坐班模式
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
6.0千
比数据标注与评测中位数高
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 430 个在招
市场机会
选择适中
北京 · 数据标注与评测 · 36 个在招
职位详情
关于这个职位
该职位主要负责搭建大模型与智能体（Agent）应用的评测体系，设计多维度的测试用例与高质量数据集
通过执行功能验证、效果对比与边界压力测试，定位模型缺陷并输出专业分析报告，同时开发自动化评测脚本以追踪技术演进，最终反哺模型能力的持续优化
最低要求
硕士及以上学历，计算机、人工智能、软件工程等相关专业
具备 AI 应用背景：实际做过 Agent 应用开发或落地项目（如基于大模型构建工具调用、多轮对话、工作流编排等），或对大模型能力有深入使用与理解
具备 评测背景：有模型评测、系统评测、质量保障或测试相关经验，熟悉常见评测指标与评估方法
编程基础扎实，熟练使用 Python，能独立编写评测脚本与数据处理 pipeline
好奇心强：对大模型和 Agent 技术有浓厚兴趣，愿意主动探索能力边界、折腾新模型和新玩法
责任心强，注重交付闭环：交代的任务能按时保质完成，遇到问题及时同步、主动推进，对结果负责
能 onsite 坐班实习
工作职责
参与 Agent 应用与大模型的评测体系建设，设计评测维度、构造评测数据集与测试用例
针对 Agent 应用（含工具调用、多轮规划、任务完成度等方向）开展功能评测、效果评测与对比分析
针对大模型本身开展能力评测、边界测试与问题归因，输出评测报告并推动模型侧改进
编写评测脚本与自动化评测流程，跟进业界主流模型与 Agent 应用的能力进展，沉淀评测方法论
优先资格
有模型训练 / 微调经验（如 LoRA、SFT、RLHF、分布式训练等），了解模型训练流程
熟悉主流大模型（GPT、Claude、DeepSeek、Qwen 等）的能力与局限
了解云平台 / MLOps / LLMOps 相关概念
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型与Agent技术，技术视野开阔
- 依托上市科技企业平台，项目资源与数据支持充足
- 可深度参与模型迭代闭环，积累高含金量AI评测经验
- 适合计算机/AI相关专业硕士在读或应届，对大模型技术充满热情，具备扎实编程基础且喜欢钻研技术细节的求职者
缺点 / 挑战
- 需快速跟进日新月异的大模型技术栈，学习压力大
- 评测工作涉及大量重复性脚本开发与数据清洗，需保持耐心与细致
- 对模型缺陷的归因分析要求较高的技术深度
角色解读
- 可向AI算法工程师、大模型评测专家、ML/AI平台工程师方向发展
- 积累深厚后可转向模型训练优化、AI产品策略或技术管理岗位
- 负责搭建大模型与Agent应用的评测框架，设计测试用例与数据集
- 执行模型功能、效果及边界测试，定位问题并输出分析报告
- 开发自动化评测脚本，跟踪前沿技术并沉淀方法论
- 扎实的Python编程与数据处理能力
- 熟悉大模型原理、Agent架构及主流开源/闭源模型特性
- 掌握系统评测指标与质量保障方法
- 具备较强的逻辑分析与文档撰写能力
申请策略
- 关注地平线在自动驾驶与边缘计算领域的业务布局，面试时可结合其硬件+软件生态谈AI应用落地场景
- 准备1-2个完整的模型评测案例以备技术面
- 突出大模型/Agent相关项目经历，明确说明使用的模型、框架及具体贡献
- 详细列出Python技能及自动化脚本/数据处理Pipeline的开发经验
- 量化评测指标提升或问题发现数量
- 提前熟悉主流大模型API调用与Prompt工程
- 学习LangChain/LlamaIndex等Agent开发框架
- 掌握常用评测指标（如BLEU、ROUGE、准确率、幻觉率等）的计算方法
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答项目经验
- 针对归因分析问题，展示从数据分布、提示词设计、模型参数到推理链路的排查思路
- 技术题需清晰阐述代码架构与性能优化考量
- 请介绍一个你参与过的模型或系统评测项目，你是如何设计评测维度和指标的？
- 遇到模型输出不稳定或幻觉问题时，你如何进行归因分析？
- 如何用Python编写自动化评测脚本处理大规模测试数据？
- 你对当前主流大模型（如Qwen、GLM等）的能力边界有哪些观察？
- 复习大模型基础理论（Transformer、注意力机制、RLHF等）
职位点评
薪资福利65
成长发展90
工作生活40
使命价值75
薪资福利
65中等
北京地区AI类实习津贴处于市场中上水平，但实习岗通常以锻炼为主，薪资并非核心吸引力。
薪资信号未披露（AI估算：4.5–8.0千/月）
成长发展
90较高
岗位深度绑定大模型与Agent前沿技术，提供完整的评测体系构建与模型迭代闭环机会，技术成长路径清晰。
技术前沿前沿/新兴技术
技术栈Python、大模型、Agent、LLMOps、LoRA、SFT
业务类型ambiguous
工作生活
40较低
明确要求onsite坐班实习，未提及弹性工时或远程选项，工作节奏可能偏紧，WLB满足度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
致力于完善AI基础设施评测标准，推动大模型能力边界探索与技术安全，具有较好的行业技术价值与社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs