后端代码模型评测-Java/python/ts

硬性背景 3 年以上后端/全栈开发经验，能快速读懂真实中大型代码仓库（Python/Java/TS 至少一门） 熟悉单元测试、CI 与断言机制，看得懂 pytest/jest 类测试代码 能独立跑通带 Docker/沙箱环境的评测任务 核心能力 逐条 rubric 判分：能判断模型输出是否满足每个 check，部分分/连续分给得有依据 失败归因：能区分"能力短板 vs 通道/harness 因素"，遵循同通道对照原则 契约可发现性判断：结合题面语义 + 可见运行时代码 + 最小实验下结论，不以"关键词缺失"简单判缺 会读 trajectory.jsonl，核对模型实际改了哪些文件、漏改文件是否读过 加分项 做过大模型/coding agent 评测、rubric 设计或标注质检 写过 bad pattern 归因报告，熟悉 19 类归因体系 有评测基础设施经验（judge 模型、verifier 管道） 排除项 纯算法研究背景、无工程仓库阅读经验 只能做表面判分、无法给出归因依据