生态发展部-资深游戏测试工程师-Agent评测

职位描述

1.负责AI Agent全链路评测与质量保障工作，聚焦Agent能力基准测试、自动化评测基座建设及分级评测指标定义；

2.针对AI生成的非确定性与参数化特点，设计并量化评测标准，搭建科学的分级评测指标体系；

3.主导构建高质量的基准测试集（Benchmark），覆盖多轮交互、长短上下文等复杂场景，解决AI生成结果验证标准量化的核心难题；

4.参与设计和研发Agent自动化评测基座，通过构建自动化测试脚本和引入大模型交叉验证（LLM-as-a-Judge）机制，提升评测效率；

5.建立高效的缺陷定界机制，精准判断问题根因，输出多维度评测报告并协同开发团队推动问题解决。