用户104353441410

工作简介 负责设计 模型训练与推理类评测任务，构建可在终端环境中运行的轻量训练 / 推理 pipeline，并研究评估指标以检验模型在终端操作类任务中的推理能力与工程化表现...

性与确定性。 设计并实现题目的黄金解决方案，用于验证解题结果在功能正确性、系统状态变化与工程合理性上的有效性，避免过度约束或硬编码假设。 编写高质量的 题目文档与配置文件，...

工作简介 我们正在研发新一代 AI Coding 数据集。目标是构建一个真实、可交互、可复现的终端智能体评测体系，用以推动大模型在「自动操作与任务执行」场景中的真实安全能力...

负责设计与实现 软件工程 方向的评测任务与复现场景，覆盖真实世界中复杂的软件问题（如损坏 Git 仓库恢复、构建失败排错、崩溃回溯修复、跨模块调试链路等），并提供可自动化验...

【运维工程师 兼职 500元/小时】 研发新一代 AI Coding 数据集。目标是构建一个真实、可交互、可复现的终端智能体评测体系，用以推动大模型在「自动操作与任务执行」...