快手

负责大模型（LLM/VLM）及 AIGC 生成内容（文生视频、文生图等）的质量评测体系设计、评测工具开发与效果评估闭环，为模型迭代和上线决策提供量化依据。核心产出不是"跑分报告"，而是可复现、可对比、可驱动迭代的评测系统。具体职责： 1、评测体系设计：设计生成/增强内容（视频、图像）的多维度主观/客观质量评价框架，涵盖技术质量、语义一致性、运动合理性、安全性等维度；制定评测指标体系（PLCC/SRCC/KROCC、BLEU/ROUGE、人工评分维度与量表等），建立可横向对比的基准线；参与主观评测实验流程设计（评测员招募与培训、维度解释与对齐、过程质控、数据清洗），确保主观数据的可靠性； 2、评测数据与工具链建设：协助构建和维护标准化评测数据集，覆盖多场景、多模型、多维度的标注样本；参与开发自动化客观评测模型（基于多模态特征编码 + LLM 评分的评测算法），实现模型输出的规模化评估；参与搭建评测平台（批量推理 → 自动评分 → 结果聚合 → 可视化看板），支撑日常评测和版本对比； 3、模型效果评估与迭代驱动：对内部/外部大模型进行系统性质量评测，输出结构化评测报告与模型对比结论；建立"评测 → 归因 → 反馈 → 迭代"闭环，将评测结论转化为可执行的模型优化建议； 4、安全性与合规评测：参与设计生成式模型的安全评测方案，覆盖内容安全、幻觉检测、对抗性输入等维度；参与大模型备案/合规评测相关数据准备与报告输出； 5、前沿评测方法研究：跟踪 AIGV/AIGC 质量评价、大模型评测领域的最新学术进展与开源工具；探索基于 LLM-as-Judge、主动学习、成对比较等新范式的高效评测方法，降低人工标注成本。 1、学历：本科及以上学历，计算机、电子信息、人工智能、信号处理、通信工程等相关专业； 2、基础知识与技能：深度学习框架：了解 PyTorch，能完成模型训练、微调（LoRA/SFT）与推理的基本流程； 3、评测方法论：了解视频质量评价（VQA）、AIGC 内容质量评估的主观/客观方法体系，了解 ITU-R BT.500 等主观实验标准者加分； 4、多模态理解：了解视觉-语言模型（VLM）的基本原理与评测方法，对多模态特征编码（CLIP/BLIP 等）有认知； 5、工程化能力：了解 Docker容器化部署、vLLM 推理加速，能基于 FastAPI/Flask 搭建简单服务者优先； 加分项： 1、在 VQA/AIGC 质量评价领域有学术论文发表（CVPR/ICME/ACM MM/Displays 等）； 2、有 AIGC 模型评测竞赛获奖经历（如 NTIRE、CVPR Workshop 等）； 3、熟悉 RAG 评测框架（Ragas、LangSmith）或 Agent 效果评估方法； 4、有大规模主观评测实验（评测员组织、数据采集与清洗）的参与经验； 5、了解大模型安全评测与合规备案基本流程； 6、有相关实习经历或国家级重点研发项目参与经验。