熊斐然

负责通用大模型（豆包 / 头条 AIbot）的产品线评测，搭建自动化评估体系，输出模型能力分析报告与迭代建议。

• 体系搭建：搭建天级流式评估体系，数据集规模日均 300 题，围绕信息准确性、逻辑合理性、体验流畅度等维度开展全链路评测，实现模型能力线上持续监控，为模型迭代提供核心数据支撑。
• 专项攻坚：参与高考等 3 项重点垂类模型能力优化项目，搭建 557 道垂类自动评估考点题库，基于 BadCase 深度定位模型逻辑短板，输出迭代策略建议报告，推动垂类模型能力迭代，拉开与竞品能力差距。
• 安全评估：开展头条 AIBot 安全链路评估，排查模型安全响应漏洞，协同产研完成根因修复，安全题得分反超基准模型 7 分。
• 流程沉淀：沉淀 3 份模型评测 SOP 文档，完成 10 余场团队评测标准培训，形成可复用的大模型评估方法论，支撑多垂类评测工作的标准化开展。

负责心理学理论与 AI 心理大模型能力的转化落地，搭建模型评估与迭代体系。

• 标准搭建：搭建覆盖共情准确性、专业度、问题解决度等多维度模型评估体系与监控面板，建立标准化评分流程，实现模型迭代全流程量化评估，核心体验得分从 50 分提升至 75 分以上。
• 专业知识工程化：将 CBT 认知行为疗法、SFBT 焦点解决疗法等专业疗法框架，拆解为可执行的流程图与规则集，实现专业理论的工程化注入，提升了模型回应的专业性与可控性。
• 体验迭代：针对“共情表面化”“用户阻抗”等核心痛点，通过对话日志分析归纳行为模式，针对性设计“动机层表达语料库”与“阻抗应对策略库”等专项数据优化方案，驱动共情准确度提升 20%，阻抗化解成功率从 30% 提升至 60% 以上。