阿里巴巴日常实习生-大模型应用评测算法-未来生活实验室

实习兼职阿里巴巴日常实习生2026-06-29地点：北京状态：招聘

扫码手机上打开

任职要求

1. 计算机、人工智能、数据科学、自动化等相关专业，本科及以上学历；
2. 对大语言模型（LLM）及 AI 应用有浓厚兴趣，有相关课程学习、科研项目或竞赛经验（涉及 NLP、大模型微调、RAG 检索增强生成等方向均可）；
3. 了解大模型评测基础理论，接触过 DeepEval、Ragas、TruLens 等任一评测框架，或有大模型数据标注、评测集构建经验…

登录查看完整任职要求

微信扫码，1秒登录

工作职责

1. 协助团队开展大模型核心应用的评测算法研发工作，参与benchmark构建和评测框架搭建工作；
2. 参与构建和扩充高质量的评测数据集，协助打通线上/线下benchmark沉淀链路；
3. 辅助研发和调优基于 LLM-as-a-Judge 的自动化评测体系，提升评测指标的置信度与对齐率；
4. 参与自动化评测及竞品横评中的 Badcase 归因，为算法模型迭代提供数据支撑与优化建议；
5. 跟踪大模型评测领域（LLM Evaluation、RAG Evaluation）的前沿技术与开源框架，协助整理技术资料并探索创新评测方案。

📮 投递简历 ✨AI模拟面试

难度：

包括英文材料

数据科学+

学历+

大模型+

NLP+

还有更多 •••

登录查看完整学习资料

相关职位

数据技术及产品部-大模型产品经理-应用评测领域

社招3年以上产品类-平台型

1.评测体系规划：设计应用评测体系，制定综合衡量模型能力及用户体验的评测方案； 2.评测分析：负责阿里各类AI native应用模型评测工作，与算法、产品团队团队密切合作，提供评测报告、leaderboard等多种评测服务，分析AI应用短板，给出具体改进方案； 3.评测驱动：跟进业界最新评测进展，动态维护模型及应用评测评测集，定义待评测项驱动应用体验优化； 4.评测定义：具有产品sense，能够用用户角度将模糊的应用评测定义拆解为具体的、可量化的评测指标，基于评测主动引导算法及产品工作方向，为产品体验负责。

更新于 2026-06-23北京|杭州

蚂蚁集团-大模型应用工程师（自动化评测与benchmark）-健康事业群

社招3年以上技术类-算法

探索行业前沿的大模型技术，建立科学、全面的评测体系，支持模型演进、产品落地、竞对分析评估。

更新于 2026-01-07上海|杭州

混元-大模型评测研究及应用

校招青云计划-实习生

深圳

晓天衡宇-大模型评测工程师-AI应用

社招2年以上

1. 负责AI原生应用的数据构造及应用评测工作，主要聚焦在用户体验，端到端效果评测提升，与产品及算法团队密切合作，理解算法需求，提供满足算法研发需求的数据； 2. 设计和实现各领域标注方向AI训练流程，并不断优化迭代，高效完成标注和内容生产项目； 3. 统筹ai应用各领域评测方案及数据生产方案。依据多元数据集设计需求与应用场景，为数据集标准环节制定详实、完备且极具可操作性的标准。定期对数据集开展阶段性质量检测，持续迭代体系化标注标准，助力打造行业标杆级数据集。 4. 构建并维护一套完善的各领域AI数据内容质量管理体系，积极推动组织流程及交付流程优化，全面把控内容质量并对结果负责，并不断进行优化迭代；

更新于 2026-06-18杭州