职位描述
岗位介绍：
AI 正在重塑搜索的底层逻辑——从意图理解到 AIO 聚合生成，从图文检索到多模态体验。但所有这些变化能不能真正发生、能不能持续迭代，取决于一件事：我们是否有能力把"搜得好不好"变成可量化、可追踪、可驱动决策的评估体系。评测不是搜索的附属环节，而是这一切迭代的地基。这个岗位的核心，是搭建并运营这块地基。
岗位职责：
1、设计 AI 搜索的评测产品体系，覆盖搜索大盘评估、策略迭代评估、RL 训练数据支持三类场景，建设自动化评估能力，让评估本身可规模化。
2、与模型和算法团队深度协作，把"搜索质量"这种模糊的体感问题，拆解为可量化的指标体系与可执行的标注方案。
3、探索多模态场景下的评测方法，针对不同模态的特性设计差异化的评估框架。
4、推动评测结论真正落地——影响策略方向、影响产品决策、影响下一轮模型迭代。
职位要求
岗位要求：
1、5 年以内工作经验，有过完整的评测体系设计或搜索/推荐产品经验，理解搜索作为产品的核心逻辑与北极星。
2、理解 LLM 的能力边界与失败模式，对 AI 评测的三个关键命题——标注质量保障、自动化评估（含 LLM-as-a-Judge）、人机协同流程——有自己的判断和实践认知。
3、结构化思维强，能把含糊的质量诉求拆成可执行的指标树；具备跨团队协作的推动力，能让算法、标注、产品三方在同一套语言下对齐。
加分项
1、有过AI精标语料撰写和标注经验
2、有过 RLHF / RLAIF 数据流程或评估闭环的设计经验。
3、对多模态模型评估有过实际探索，有数据分析能力，能独立完成评估结果的统计显著性判断与归因分析。
