中国今日更新的19个法官职位机会
个职位
China Asset Management Co., Ltd.该职位来源于猎聘 About ARX ARX is a mobile-first Web3 trading terminal built by Advance Arx Inc., a venture under Advanced Group — a Southeast Asian unicorn. ARX empowers individual investors with clear, organised access to publicly available market data — enabling more confident and informed trading decisi
Minnesota Direct Care and TreatmentWorking Title: Comp Judge-Workers' Compensation Judge Job Class: Compensation Judge Agency: Administrative Hearings Job ID: 97999 Location: Various* Telework Eligible: Yes* Full/Part Time: Full-Time Regular/Temporary: Unlimited Who May Apply: Open to all qualified job seekers Date Posted: 10/27/2026
工作职责 岗位简介 我们正在把研发中心重构为 AI 原生组织。该岗位属于平台底座方向，打造面向公司全体研发人员使用的 Agent 运行时与治理底座，包含 Harness、Eval、Tool/MCP 治理、可观测体系。数字信任行业对安全、可审计的强约束，既是岗位的挑战，也是最大亮点。你将探索如何通过系统设计保障 Agent 在生产环境的可靠性。 你将负责 1. 参与 Harness 核心建设：协助设计实现 Agent 执行基础设施，包括 Agent Loop 引擎、任务编排、多模型路由策略、会话状态管理、长任务恢复、人工介入审批、中断恢复、重试回滚等运行时能力。 2. 参与 Loop 工程化：迭
工作职责 1. Harness 核心建设:设计并实现 Agent 执行基础设施——Agent Loop 引擎、任务编排、模型路由(多模型策略)、状态管理(Session / Checkpoint / 长任务恢复)、Human-in-the-Loop 审批、Interrupt/Resume、Retry/Rollback 等运行时能力。 2. Loop Engineering:设计并持续优化闭环执行机制(Plan → Execute → Evaluate → Reflect → Retry),提升任务完成率、稳定性与长时自主运行能力,包括自动拆解、自动评估、Self-Correction、Auto
工作职责 1. Capable of correctly diagnosing various issues occurring in mass‑production injection molds, and formulating temporary countermeasures and improvement plans. 2. Able to properly analyze and judge defects arising from trial runs of new molds. 3. Participate in early‑stage mold development rev
美团岗位职责: 评测体系建设：面向用户交互场景，设计覆盖基座模型、端到端Agent、用户体验等场景的评测框架和标准，保障评测可解释可复现，并主导Benchmark数据集构建与持续迭代，防控数据污染与评测失效； 搭建自动化评测工程：通过judge model等自动评测流水线，设计多评委协作机制，控制评测偏见，持续提升自动评测与人工标注的一致性，推动评测提效 数据生产与质量管控：主导评测/训练数据合成方案设计，建立标注规范与质检体系，同时与数据团队协作，保障大规模数据生产的稳定性与准确性 模型迭代支撑：输出结构化评测报告，将评测结论转化为可落地的优化建议，与模型训练团队深度协作，建立"评测→优化→再评
该职位来源于猎聘 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
该职位来源于猎聘 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
同道职位来源于实习僧。 岗位职责 参与大模型后训练（主要是 RL）过程中的数据分析与效果分析工作，主要包括： 分析训练数据、评估数据及模型输出，发现数据分布、标签质量、数据噪声等问题 对 Reward、Advantage 等训练信号进行分析，定位奖励失效、Reward Hacking 等问题 进行模型 Badcase 分析，对错误类型进行归因、聚类和统计，识别模型当前主要能力短板 对不同模型版本、训练阶段和实验结果进行对比分析，判断模型能力变化及可能原因 根据分析结果提出下一阶段的数据构造、奖励设计、训练策略或评估优化方向 搭建和维护相关分析脚本、指标和可视化工具，提高模型迭代效率 岗位要求 熟练
百度昆仑芯定制网申网申系统工作职责： -针对Token供应商提供的大模型推理服务，基于多源信息表现进行智能分析，识别降智、冒用、掺假等异常行为 -研究日常发现的供应商异常行为及作弊模式，构建异常检测、关联分析、反作弊及风险识别模型 -结合历史行为、评测结果、履约表现及风险事件，构建供应商风险评分和动态信用评级模型 -构建供应商能力、服务质量及履约表现的智能评测模型与指标体系 -研究大模型驱动的智能评测方法，包括 LLM-as-a-Judge，并负责评测集构建、结果一致性分析及自动化质量评价 -撰写相关的论文 任职资格： -计算机、人工智能、机器学习、统计学等相关专业在读硕士或博士研究生，具备较强的科研能力 -熟悉机器学
百度昆仑芯定制网申网申系统工作职责： -负责参与多模态大模型相关算法研发与实验，包括多模态文档与版面分析、图文结构化识别、复杂图文语义理解，以及多模态检索相关性建模等技术方向 -负责协助设计与搭建应用级 Agent 架构，深度参与任务规划、智能路由、检索增强生成（RAG）、工具调用、结果校验及多轮交互等模块的开发与验证 -负责参与离线数据与内容生产体系的建设，协助搭建数据挖掘、自动生成、质量评估与线上反馈的数据闭环，赋能模型能力自进化 -负责配合建立模型自动化评测体系，协助构建测试集、LLM-as-Judge 评估流程及规则校验机制，定位模型能力边界与典型 Badcase 归因 -负责配合团队开展算法工程化落地与性能调
工作职责 1.负责大模型应用平台的整体架构，解决性能、成本、稳定性问题； 2.智能体运行底座（Agent Harness）：工具调用、任务编排、状态管理、出错恢复； 3.Agent闭环：自我检查、纠错、重试，完成多步任务； 4.RAG全链路，Agent的检索和记忆架构； 5.评测和监控体系：Golden Set、LLM-as-Judge、回归测试、成本监控； 6.国产大模型的私有化、信创（昇腾）适配，推理优化和模型服务化； 7.负责关键技术选型、工程规范、技术评审。 任职要求 1.应往届均可，计算机、人工智能、软件等相关专业； 2.具有比较扎实的架构功底，能从系统层面定位性能、稳定性问题；熟悉
工作职责 1.负责大模型应用平台的整体架构，解决性能、成本、稳定性问题； 2.智能体运行底座（Agent Harness）：工具调用、任务编排、状态管理、出错恢复； 3.Agent闭环：自我检查、纠错、重试，完成多步任务； 4.RAG全链路，Agent的检索和记忆架构； 5.评测和监控体系：Golden Set、LLM-as-Judge、回归测试、成本监控； 6.国产大模型的私有化、信创（昇腾）适配，推理优化和模型服务化； 7.负责关键技术选型、工程规范、技术评审。 任职要求 1.应往届均可，计算机、人工智能、软件等相关专业； 2.具有比较扎实的架构功底，能从系统层面定位性能、稳定性问题；熟悉
阿里巴巴集团职位描述 1、设计 AI 助手评测产品体系，覆盖大盘评估、策略迭代评估，建设自动化评估能力，让评估本身可规模化。 2、与产品和算法团队深度协作，把＂产品质量＂这种模糊的体感问题，拆解为可量化的指标体系与可执行的标注方案。 3、探索多模态场景下的评测方法，针对不同模态的特性设计差异化的评估框架。 4、推动评测结论真正落地——影响策略方向、影响产品决策、影响下一轮模型迭代。 职位要求 1、3年以内工作经验，有过完整的评测体系设计或搜索/推荐产品经验，理解 AI to C作为产品的核心逻辑与北极星。 2、理解 LLM 的能力边界与失败模式，对 AI 评测的自动化评估（含 LLM-as-a-Judge
阿里巴巴集团职位描述 一、评测体系设计与指标定义： 把模糊的＂用户预期未达成 / 效果不好＂拆解为可量化、可归因、可执行的指标。对上负责电商搜索全链路（Query 理解、相关性、丰富性性等）的指标体系建设；面向 LLM、Agent、工具调用、多轮推理等场景，构建科学、可扩展的能力评测维度（指令遵循、推理、幻觉、安全性、工具调用等）。建立离线评测、在线人巡、A/B 测试、人工主观评估相结合的分层框架，覆盖端到端体验与质量监控。 二、数据流、流程建设与人机协作： 制定样本采样策略、标注 SOP、Badcase 分类体系，沉淀高质量评测样本集与测评集。推动大模型（LLM-as-a-judge）在规模化评测中的落
联众医疗侧重大模型应用交付，医疗业务背景优先 男女不限、统招本科以上、厂商直招正式岗位、3—5年 【岗位职责】 1. 在现有 GPU 算力环境下，使用 Docker/Docker‑Compose、vLLM 完成开源大模型私有化部署、推理服务调优，保障服务稳定可用。 2. 完成推理服务、RAG 知识库、Agent 应用的性能压测，输出压测报告，定位 TTFT、吞吐量、显存、并发瓶颈，给出线上 SLA 与并发上限。 3. 搭建业务评测数据集，通过 LLM‑as‑judge 人工抽样，做 RAG、Agent 的精度评测，量化幻觉率、召回率、任务完成率，驱动效果迭代优化。 4. 生产级 RAG 知识库落地：文
百度昆仑芯定制网申网申系统工作职责： -负责大模型在文档、搜索、创作、研究分析和复杂办公等场景中的算法研发与效果优化，重点提升指令理解、复杂推理与规划、工具调用、长上下文理解、事实性及结构化生成等能力 -建设大模型后训练数据体系，包括线上难例挖掘、任务轨迹分析、数据清洗、合成数据生成、偏好数据构造和数据质量评估 -根据实际任务选择并落地 SFT、DPO、RLHF、GRPO、蒸馏等后训练与行为对齐方案，提升模型在目标场景中的效果、稳定性和泛化能力 -建设模型评测体系，包括离线评测集、自动评估器、LLM-as-Judge、回归测试和线上实验，定位模型在理解、推理、工具调用和结果生成等环节的问题 -分析真实用户任务中的模型失
阿里巴巴集团职位描述 1、负责建设面向安全场景的大模型评测体系，涵盖通用能力评测与安全业务场景定制评测，构建基于LLM-as-Judge、自动化评测模型训练与人工评估相结合的多维度评测框架，保障评测结果的全面性和可靠性 2、建设基于真实安全攻防场景的Agentic评测环境，构建面向安全长程任务的Agentic评测，提升大模型在安全场景的Agentic能力 3、跟踪业界主流安全大模型评测方法与Benchmark动态，持续优化内部评测体系，对标行业前沿能力水平，发布开源评测集 4、深度参与大模型迭代过程中的知识与评测驱动优化，建设“评测归因分析→知识短板发现→训练数据生产→模型训练增强→评测反馈验证”的高效自
阿里巴巴集团职位描述 我们正在从 0 到 1 搭建 Work（AI 协同办公）方向的 RL/RFT 训练数据体系，覆盖多个专业领域。端到端负责一个（或多个）领域的数据集从任务定义、instance 构造、reasoning 生成到分层验证的全链路，是模型训练飞轮里承上启下的关键位置。 1. 领域任务体系搭建（Taxonomy 设计） 对陌生专业领域做结构化拆解：一级领域 → 二级场景 → 任务类型 → instance 模板，产出可复用、可扩展的标注体系。 2. Instance 与 Reasoning 构造 设计 instance 结构（instruction + context + reasoning
