阿里巴巴数据技术及产品部-大模型评测专家-语音方向

1.开展音频模型能力评测建设，基于评测的错误类型、分布，能针对性构建音频数据，提高模型特定表现，并能够通过对数据有效性的评测，验证数据有效性； 2.建设AI音频应用业务评测维度、指标体系、业务评测集并开展深入的评测分析工作。产出评测报告，学术benchmark等有影响力的创新工作。

1. 负责语音大模型评测体系的系统性建设，围绕ASR、TTS、音频理解、语音对话等核心能力，设计全面、科学、可持续迭代的评测方案。 2. 主导音频评测数据集的建设工作，深入调研前沿音频评测基准，负责数据需求规划、采集方案设计、标注规范制定与质量审核全流程，持续优化评测维度与指标体系。 3. 设计音频领域自动评分与人工评审相结合的混合评测方案，制定主观听感评测标准，建设自动化评测链路，持续验证自动化及人工评测结果的一致性。 4. 输出高质量评测报告，从语言学/语音信号专业视角清晰呈现模型在各维度的能力表现，识别模型的典型失败案例与能力边界，为模型迭代提供具体可操作的改进建议。 5. 与模型研发、数据、产品等团队紧密协作，将评测结论有效转化为模型优化建议，形成评测驱动模型迭代的良性闭环。

1.承接多模态大模型的数据生产，如图片/视频/音乐的生成及理解模型数据，具备丰富的标注评测团队管理经验，从数据交付提升模型性能 2.开展多模态能力评测建设，能够从图片/视频/音乐专业层面设计专业评测方案，并带领专家开展专业的评测服务 3.建设多模态评测维度、指标体系、业务评测集并开展深入的评测分析工作。产出评测报告，学术benchmark等有影响力的创新工作

1. 负责音乐大模型评测体系的系统性建设，围绕音乐生成、音乐理解等核心能力，设计全面、专业、可持续迭代的评测方案。 2. 主导音乐评测数据集的建设工作，深入调研并分析国内外主流音乐评测基准，持续跟踪学术前沿与产品动态，识别当前评测体系的空白与不足。 3. 针对不同音乐任务类型，制定差异化的评测标准，设计并组织专业音乐主观评测实验，持续探索音乐主观评测与客观指标之间的相关性，推动建立更贴近音乐审美感知的自动化评测方法。 4. 输出高质量 评测报告，从音乐专业视角清晰呈现模型在各维度的能力表现，识别模型的典型失败案例与能力边界，为模型迭代提供具体可操作的改进建议。 5. 与算法、数据及产品团队协作，将音乐评测洞察有效转化为模型优化方向，推动音乐模型在真实使用场景中的体验提升。