月之暗面KIMI Agent Eval Intern｜视觉/3D/Robotics方向

工作描述

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。

关于这个岗位
我们正在构建面向真实世界任务的多模态 Benchmark，希望回答一个具体问题：AI 生成的作品或方案，究竟在多大程度上解决了用户的问题，离高质量交付还差在哪里？
你将参与题目设计、评分细则（rubrics）制定与自动评测（AutoEval）迭代，让自动评测在更高的质量标准下，稳定识别优劣、解释判断依据，并逐步减少重复人工评审。当前工作从 SVG、动画等生成产物切入，后续可能拓展到 3D 建模、Three.js 交互场景、Code-to-Video（代码生成视频）和机器人设计（Robot Design）。你可以从熟悉的方向开始，逐步扩展。

你会做什么
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 …