岗位描述
Agent Benchmark Research Intern 深圳 校招 实习 研发 - 测试 实习生 职位 ID：A34497 1、Benchmark研究与构建：负责Agent及大模型能力评测体系建设，围绕代码、复杂推理、长程任务、多Agent协作等方向设计Benchmark，持续提升评测覆盖度与区分度。 2、评测框架研发：参与评测平台与工程体系建设，包括Sandbox环境、任务调度、Judge设计、Trace采集、自动化评测Pipeline等，推动评测流程标准化、自动化。 3、模型能力分析： 结合Benchmark结果开展模型能力分析与Badcase挖掘，定位能力瓶颈，形成可指导训练优化的数据分析报告，推动模型能力持续迭代。 4、数据与评测闭环：参与高质量评测数据集建设，包括任务设计、数据构造、评测标准制定、失败样本回流等工作，持续完善模型训练与评测闭环。 5、学术研究：持续跟踪国内外Agent、Reasoning、Evaluation等前沿工作，探索更科学、更稳定、更细粒度的大模型评测方法。