研究工程师 — AI 评测与智能体可靠性 (Research Engineer, AI Evaluation & Agent Reliability)

我们的使命

商业成果的落地，绝不能仅仅满足于语言通顺。你需要设计科学的评测体系，精准区分文采、事实准确度与任务完成度，助力团队推出具备明确量化收益的产品迭代。

岗位职责

• 针对目录构建、内容生成、客服对话及工具调用等任务搭建全面的基准测试集。
• 设计评测指标体系，结合人机混合评估，深入分析一致性、偏见与评测覆盖度。
• 针对权限越权、虚假无支撑陈述等风险构建回归测试与对抗性测试套件。
• 深入分析实验指标与多模型对比，提炼可落地的工程洞察并指出统计学局限。

任职要求

• 具备机器学习评测、应用研究或 AI 质量工程领域的实操经验。
• 精通 Python、统计数据分析以及科学的实验设计方法。
• 深刻理解 LLM-as-a-judge 的局限性、数据泄漏风险与评测偏差成因。
• 沟通清晰利落，擅长将数据评测结论高效转化为具体的工程优化举措。

关于 Mollkom

Mollkom 是一体化 AI 商业操作系统。我们将商品建档、图文内容、营销投放与客户服务，与订单、库存、线下门店及终端履约紧密联结，让每一个业务步骤都在统一的知识语境下顺畅协同。