大模型评测工程师(Coding Agent)(A232277)

我们正在构建面向游戏开发的下一代 AI Coding Agent，探索大语言模型在代码生成、工具调用、环境交互和复杂软件开发任务中的智能化能力。团队聚焦 LLM Post-training、Agentic Reinforcement Learning、Code Agent 和 Agent Evaluation 等前沿方向，希望打造能够自主完成 Unity 游戏开发任务的智能开发助手。

你将重点负责 Unity Coding Agent 的评测体系建设，围绕游戏开发、工具调用与长链路任务设计 Benchmark、任务集、评测指标和自动化验证流程；研究并落地 LLM/Agent Evaluation 前沿方法；基于真实 Unity 工程和大规模 Agent Trajectory 推动“数据生成—评测—训练”闭环，用评测结果反向驱动数据构造、模型后训练和 Agent 能力持续提升。

岗位职责
- 负责构建 Unity Coding Agent 的自动化评测体系，围绕游戏开发、工具调用与长链路任务，设计 Benchmark、任务集、评测指标和自动化验证流程，覆盖 Agent 规划、执行、工具使用和最终产物质量。
- 研究并落地 LLM/Agent Evaluation 前沿方法，包括基于规则、程序执行、视觉理解和 LLM-as-a-Judge 的多维评测方法，分析 Agent 规划、执行、工具调用和失败模式，形成可复用的评测范式。
- 基于真实 Unity 工程和大规模 Agent Trajectory，探索“数据生成—评测—训练”闭环，通过失败案例归因定位数据缺陷和能力瓶颈，用评测结果反向驱动数据构造、模型后训练和 Agent 能力持续提升。
- 建设面向 Coding Agent 的评测数据与任务生产流程，包括任务集构建、测试用例/验证程序生成、Trajectory 采集与质量评估、评测数据配比和迭代优化。
- 与后训练团队协作，将评测洞察转化为 SFT、Preference/RL 数据和训练策略建议，参与模型能力对比、checkpoint 评估、能力回退与遗忘问题分析，推动 Base Model → SFT Model → RL Model → Production Model 的迭代验证。
- 与 Agent 工程团队协作，优化主 Agent + SubAgent 架构中的模型能力分工和协作策略，推动评测平台、自动化验证流程和指标体系的工程化落地。

职位要求
- 本科及以上学历，计算机、人工智能、数学等相关专业，硕博优先。
- 具备大模型评测 / Agent Evaluation 相关经验，深入参与过 Benchmark、任务集、评测指标或自动化验证流程建设。
- 熟悉 LLM/Agent 评测方法，包括基于规则、程序执行、视觉理解、LLM-as-a-Judge 等至少一种多维评测方式，能够设计面向 Agent 规划、执行、工具使用和失败模式分析的评测方案。
- 具备 Agent、Function Calling、Tool Use 或 Code LLM 相关经验，理解多轮 Agent Trajectory 数据生产和自动化评测流程。
- 熟悉 LLM 后训练完整流程，包括 SFT、RLHF、DPO、GRPO 等训练方法，理解评测如何驱动后训练迭代；有实际落地经验优先。
- 具备较强的训练数据工程意识，包括 SFT 数据构造、清洗、过滤和质量控制，Preference/RL 数据设计，多轮 Agent Trajectory 数据生产，以及数据混合比例设计和效果分析。
- 具备较强实验分析能力，能够从数据、训练策略和模型能力多个角度定位问题，并形成可执行的优化建议。
- 具备扎实的工程能力，熟练使用 Python，能够构建自动化评测、数据处理和实验分析工具；了解 DeepSpeed、FSDP、Megatron 等分布式训练框架者优先。

加分项
- 有 Code LLM、Coding Agent 的训练或评测经验。
- 有大规模 Agent Trajectory 数据生产和自动化评测经验。
- 有模型能力分析、Benchmark 构建或数据驱动模型优化经验。
- 熟悉 Unity 游戏开发场景，包括 Shader、粒子、UI、场景构建、性能分析等。
- 有大模型后训练团队实习/工作经历，了解 checkpoint 分析、SFT/RL 模型能力对比、多能力模型融合和效果验证。