混元-评测集高效生产与合成研究

课题背景 评测集已经成为整个评测体系的产能瓶颈。一方面，以可验证奖励驱动的自我迭代进入工业实践后，闭环消耗题目信息量的速度远超人工产出，静态题库有效寿命从年缩短到周；另一方面，多产品线并行要求同一套方法学在不同业务场景反复实例化，靠人工逐题撰写无法支撑。该岗位是评测集规模化生产团队的技术内核，目标是把题目与环境从手工产物变成可持续再生的资产。 课题挑战： 第一，题量增长与区分度提升是两件事，增加同质题目无法解决信息量衰减，需要能控制难度分布与覆盖度的生成机制。第二，Agent 类评测的"题目"其实是可复现、可重置、有状态的环境，生产成本与验证难度都远高于静态问答，且需支持中途变化与模拟用户注入。第三，合成题目必须自带可验证的正确性判据，否则规模化生产的同时也在规模化引入噪声，需要验证器设计与自动质检。第四，生成过程本身会引入分布偏斜与模式重复，多样性与长尾覆盖需要主动度量和控制。第五，题目有生命周期，饱和与污染需被持续监测并触发退役，而退役会破坏纵向可比性，需设计新旧题库的锚定与换算机制。第六，产量目标天然会侵蚀质量标准，因此入库门禁必须由生产方之外的角色把守。 具体工作： 负责题目与环境的自动化生成、变体再生与难度分层机制建设，设计合成内容的验证器与自动质检，建立饱和监测、版本维护与退役换算流程，为各产品线提供可持续再生的评测资产

1. 01

   学历和专业：机器学习、人工智能、计算机科学、统计学等相关专业博士或硕士；有合成数据生成、自动题目生成、程序化环境构建或大规模数据流水线经历者优先；

2. 02

   技术技能：掌握合成数据与自动题目生成技术、验证器与过程奖励模型设计，熟悉难度校准与项目反应理论、污染检测方法，具备程序化环境与沙箱构建能力，精通 Python，熟悉容器化与数据流水线；

3. 03

   软性素质：兼具研究品味与工程交付能力，愿意把方法沉淀成他人可复用的机制；对质量与产量的天然冲突有清醒认识，能主动接受外部质量门禁；与前沿评测、平台和标注运营团队协作顺畅。