职位描述：
1.整体目标：提升模型在 Agent 方向的专业能力。围绕代码生成、通用agent等场景，设计高质量的 Agent 训练语料；构建端到端的测试用例，从可用性、代码规范、工程质量、任务完成度等多维度评估模型表现；
2.设计并构造高质量的 Agent 评测数据集，能够精准区分不同模型的能力边界；针对 Agent 的规划、工具调用、多轮交互、指令跟随等核心能力，构建多样化的测试场景与用例；持续迭代评测标准，确保评测体系能够跟进业界前沿并反映真实用户需求；
3.探索不同数据标注策略对模型 Agent 能力的影响路径；参与数据与强化学习（RL）结合过程中的实验设计，研究模型能力的可控性检测方法，为训练策略优化提供数据侧支撑；
4.基于深度使用 Claude Code、OpenClaw 等主流 Agent 产品的实践经验，系统性分析当前模型的能力短板与失败模式；针对性地构建补齐数据与边界测试用例，推动模型在弱项上的持续迭代与突破。
职位要求：
1.具备 Claude Code、Cursor、OpenClaw 等 AI 编程工具的重度使用经验，对 LLM 辅助开发有自己的理解与思考；
2.熟练掌握 Python，能够独立编写数据处理、评测脚本等工具；
3.对大语言模型有基础认知且对探索大模型能力边界具有较高的热情；
4.具备良好的自主能动性，能够独立发现问题、定义问题并推动解决；
5.善于跨团队协作，能够与研发、算法团队高效配合；
6.具有多年工程开发经验、完成过大型项目的交互。
加分项：
1.有前端开发经验，熟悉 React 或 Vue 等主流框架，对前端设计有独立的审美与品味；
2.有大模型数据标注、评测体系设计或数据质量管理经验。
