工作职责： 1.参与小红书自研基模后训练，评测集与数据体系构建：围绕webdev场景，设计评测任务、搭建数据筛选链路和评测体系，以确保评测集的覆盖度和区分度。 2.评测对齐：制定并迭代评分 Rubric，确保评测结果的置信度，组织并参与人工评测，做一致性分析，定位标准歧义并修正。推动机评与人评的对齐。 3.自动化评测开发：自动化评测链路开发，维护评测执行环境，保证结果可复现。输出评测报告，分析模型在真实 Web 场景中的表现与失败模式。 任职资格： 1.专业背景：计算机 / 软件工程、计算语言学、语言学、认知科学、人机交互、数字媒体、数据科学、统计等交叉学科；本科及以上。 2.有一定代码基础：有 Python 基础。如果有前端/后端经验优先。 3.熟练使用 Claude Code / Codex / Cursor 等 AI 编程工具，有真实的 AI Coding 产出。 4.对大模型评测有基础认知：了解 benchmark、Rubric、标注一致性等概念。 5.自驱力强，对AI有好奇心和探索欲。 6.每周实习 ≥ 4 天，连续 ≥ 3 个月。