职位描述:1、评测体系构建：参与设计并执行大模型及 AI Agent 的自动化评测方案，构建覆盖多场景的评测基准（Benchmark），并持续优化评测流程的效率与可靠性。
2、技术探索与集成：跟踪学术界与工业界的最新评测方法与评测 benchmark，快速将其集成到现有平台。
3、评测结果分析：与 Agent 开发团队紧密协作，从评测结果中分析 LLM 与 Agent 能力瓶颈，用于公开榜单与内部模型能力迭代。

职位要求：1、计算机、人工智能、数据科学、电子信息等相关专业背景，2026届及以后毕业的硕士在读生。
2、具备扎实的Python编程能力，熟悉基本的数据结构和算法，有良好的代码风格。
3、具备出色的逻辑思维、分析能力和快速学习能力，能快速复现开源 Benchamrk 并集成至评测框架。
4、每周至少4天，持续6个月以上（长期实习者优先）

加分项：
1、熟悉 MiroFlow、LangChain等至少一种主流AI框架或Agent开发工具。
2、有大模型评测、数据标注、模型微调相关项目经验，或熟悉Transformer、Prompt Engineering等基础概念。
3、在ACM/ICPC、Kaggle等编程或算法竞赛中获奖，或有开源项目贡献经验。
4、具备良好的英语读写能力，能够高效阅读和理解前沿技术论文。