蚂蚁集团-大模型评测基础设施研发工程师 / 技术专家-杭州/北京

岗位职责

评测正在成为驱动大模型能力迭代和发版决策的关键基础设施。随着评测对象从模型扩展到 Agent 和智能应用，我们希望建设可信、高效、可扩展的下一代评测体系，为模型进化提供可靠反馈。

1. 建设支撑大模型研发与进化的下一代评测基础设施，将模型能力评估、短板发现、迭代验证和发版决策连接为高效、可信的工程闭环，直接服务模型和 Agent 的研发过程。
2. 面向模型、Agent 和智能应用，建设评测资产、评测生命周期和可信证据链，把复杂的模型版本、Benchmark、Judge、执行环境和评测口径沉淀为稳定、可复用的系统能力，使评测结论可复现、可比较、可解释、可追溯。
3. 面向大规模、长链路和 Agentic 评测的新挑战，连接执行框架、算力调度、模型服务、Judge、工具及交互环境，建设可靠的任务编排、故障恢复和可观测能力，支撑新模型、新 Benchmark 和新评测形态快速接入。
4. 深入模型研发和评测一线，与模型、评测、产品及基础设施团队共同定义问题并完成端到端交付；从真实问题出发持续改善评测效率和可信度，并推动局部解法沉淀为长期可复用的技术能力。

任职要求

1. 【工程与平台基础】具备扎实的计算机基础、编码能力和后端系统设计能力，熟练掌握 Java、Go、Python 等至少一种主流开发语言；有复杂平台或基础设施建设经验。
2. 【分布式系统】熟悉状态机、任务编排、服务治理、消息与事件、幂等、重试、并发控制、数据一致性、故障隔离和恢复等常见机制，并有生产环境落地经验。
3. 【交付与架构抽象】能够独立完成复杂模块的需求分析、技术设计、开发上线和持续治理，并从具体需求中抽象可复用机制；技术专家候选人还需具备领域建模、整体架构设计和大型存量系统渐进式重构经验。
4. 【工程深度与质量】具备较强的工程动手、质量保障和复杂问题定位能力，重视接口契约、代码可维护性、版本治理、自动化测试、可观测性和线上稳定性；能够深入代码和运行链路还原并闭环复杂故障。
5. 【学习与协作】具备快速学习能力和持续的技术热情，对复杂工程问题保持好奇心和主动性；具备良好的沟通协作能力，能够推动跨团队完成方案对齐和交付；技术专家候选人还需能够通过技术影响力牵引关键决策和系统演进。
6. 【加分项】有工作流或调度系统、机器学习平台、数据平台、可观测系统、大规模任务平台、模型训练推理、大模型或 Agent 评测、开源 Benchmark 工程化经验者优先。

岗位标签

NEW

特色标签

AI Agent、Benchmark、Docker、Golang、Golang服务端开发经验、Java、Linux开发/部署经验、MySQL、PostgreSQL、Python、Redis、Spring、中大型项目开发经验、云原生、云计算经验、任务调度、分布式经验、分布式调度、发布策略、可信记录、可信链路、可观测平台、可追溯证据、基准测试、基础设施、大数据经验、大模型系统、大规模语言模型、大语言模型、审计证据链、容错恢复、工作流编排、异常恢复、弹性调度、微服务经验、故障自愈、智能体、有留学背景、服务端开发经验、机器学习经验、架构设计经验、模型上线决策、流程引擎、测评、测试工具、测试框架、灾备恢复、版本决策、版本发布决策、监控观测、研发效能、算力资源分配、系统架构设计经验、系统观测、自主代理、英语读写能力良好、观测能力、计算资源管理、评估、评估平台、评测底座、评测系统、资源调度、金融、银行