【REDstar】Dots-大模型评测算法研究员

设计并迭代 dots 模型的多维度能力评测体系，覆盖通用能力（推理、数学、代码、语言理解）、指令遵循、长上下文、多模态、安全性、人类偏好等维度

跟踪主流公开 benchmark（MMLU、MATH、GSM8K、HumanEval、MBPP、ARC、HellaSwag、GPQA、Arena ELO 等），建立内外部对齐机制，输出可比的竞争力报告

构建评测数据集生产 pipeline：从采集、清洗、标注、质检到版本化管理，保证数据集的质量与时效性

开发自动化评测平台：统一的评测入口、任务调度、结果可视化、版本对比、diff 分析

与后训练团队（RLHF/对齐）合作，定义 reward model 和 preference 数据的评测标准

设计"抗污染"策略，防止评测数据集泄露到训练集

参与模型发布的质量卡点（gate），为版本上线提供数据支撑

跟踪前沿评测研究（LLM-as-judge、multi-turn eval、agent 评测、长程任务评测等），推动评测能力持续进化

对大语言模型能力边界有清晰认知，知道"什么是好模型"、"好在哪"

熟悉主流 benchmark 的设计哲学和局限，不只是会跑分，而是能看出分数的含义

有数据处理与工程能力（Python 熟练，熟悉数据 pipeline 工具，能搭自动化流程）

扎实的统计与分析能力，能从噪声数据里看出信号

优秀的书面表达