# 混元语音大模型agentic评测（北京/上海）

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 腾讯 (Stage unknown)
- Locations: Unknown
- Role: Unknown
- Apply on the official site: https://careers.tencent.com/jobdesc.html?postId=2077312441141866496

## Role description from source

1.主导 Agent 方向评测体系整体设计与落地实施，完成模型能力定义，搭建面向复杂智能体场景的评测任务体系；围绕多步推理、环境交互、工具编排、长程规划、异常错误恢复等核心维度，搭建贴合真实 Agentic 工作流的端到端评测方案；
2.搭建评测数据全链路质量管控体系，落地试题查重、数据污染检测、难度分级标定校准、标注规范制定、标注一致性审核等机制，保障评测结果可信、稳定、可复现；
3.联动模型训练团队深度对齐，提炼评测结论与优化洞察，输出模型能力迭代改进方向；协同工程团队推进评测基础设施建设，搭建可支撑高频次、大规模自动化评测的流水线；
4.持续跟进 Agent 领域学术界、工业界前沿技术动态，输出评测体系迭代演进策略，持续优化评测方案，精准衡量大模型智能体真实能力边界；
5.探索融合多模态能力的 Agentic 评测新思路、新方案，并完成方案验证与落地实施。
职位要求
1.本科及以上学历，拥有 2 年及以上互联网 / 人工智能领域相关评测工作经验；
2.具备从 0 到 1 独立设计 Agent Benchmark 完整实战经验，深刻理解评测数据集在区分度、数据抗污染、生态效度等维度的设计取舍与平衡；
3.熟悉 WebArena、OSWorld、GAIA、AgentBench 等主流 Agent 评测基准，掌握各类评测集底层设计思路、适用场景与固有局限性；
4.熟练使用 Python，具备扎实的数据处理、统计分析与数据可视化能力；熟悉主流大模型推理服务调用方式，了解相关工程落地约束；
5.精通 Agent 主流框架核心机制，掌握 ReAct、工具调用（Tool Use）、任务规划（Planning）等经典范式，具备 MCP 等工具协议相关认知或项目实践经验；
6.强结果导向，拥有良好的技术文档撰写能力，突出的跨团队沟通协调、项目推进落地能力。
工作年限（官方顶部字段）
三年以上工作经验

---
opening_id: 587d73b8-ec04-46f3-a435-29c31ea5987c

`anm openings save --id 587d73b8-ec04-46f3-a435-29c31ea5987c`