晓天衡宇-大模型标注评测工程师-泛领域

负责包括但不局限于人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公方向 AI 训练数据（SFT / RL 阶段）的标注管理与质检工作；与算法及产品团队协作，理解 RM 训练和 rollout 打分的数据诉求，交付满足研发需求的高质量数据。

设计并落地覆盖办公生产力（文档、PPT、Excel）和电商运营场景的标注与质检流程，持续优化 rubric 与 verifier，推动双标一致率等核心指标达成。

统筹本方向的评测方案与数据生产方案，为 rubric 设计、verifier 校验、轨迹打分等环节制定可操作的标准；定期开展 pass 与非 pass 双向抽检，迭代标注规范。

构建并维护本方向的数据质量管理体系，对轨迹根因归因（模型能力 / 评测缺陷 / 任务定义）的闭环负责；警惕分数虚高等隐性风险，持续优化迭代。

管理标注专家团队，统筹日常任务分配与产能调度；与上下游（算法、产品、领域专家）充分协作，把个人判断力沉淀为团队方法论。

本科及以上学历，在 AI 评测、RLHF / RL 轨迹标注、rubric 设计等领域有实际项目经验；具备人力资源、制造业、娱乐、游戏、行政管理、咨询、教育等白领办公领域 3 年以上从业或研究经历，能独立判断""轨迹哪里错、为什么错""。

对标注质量和 reward signal 分布敏感，能通过科学方法发现问题（如 verifier 漏洞、LLM Judge 偏好拟合等），推动业务指标达成。

熟悉数据标注工具与质检平台，掌握 Python，能进行抽检统计、一致性分析与自动化脚本编写；了解 reward modeling 基本概念，熟悉 agent / 工具调用领域常见的评测与训练范式。

具备目标管理和团队管理能力，能统筹 5 人以上标注专家团队；善于跨团队沟通协作，关注效果数据和目标达成。

积极主动，对 AI 有激情；思维严谨，拒绝""感觉上 / 差不多""，每个判断都能指向具体证据。