腾讯智能体开发平台-测试开发工程师-上海
任职要求
1.负责公有云AI应用Paas产品的质量保障工作，包括但不限于：支持版本迭代、提升自动化测试覆盖度； 2.构建后台服务全流程测试，包括需求分析、设计评审，制定测试计划，设计和…
工作职责
1.计算机/信息/软件工程相关专业本科以上学历，2年以上工作经验； 2.有良好的编程能力（熟悉Python /shell等脚本编程语言，熟悉C++/go高级编程语言优先）； 3.具备扎实的后台测试经验，能够通过接口测试/性能分析等手段，对后台服务进行高效分析，快速发现并准确定位问题，保证上线质量； 4.有性能测试、协议测试或白盒测试经验优先； 5.对技术有浓厚兴趣，乐于构建工具或对工具做改造； 6.具有强烈的责任感，良好的沟通和表达能力，优秀的抗压能力。
1、深入理解客户业务需求，帮助客户选择适合其业务场景的技术路径和产品组合，利用AI技术知识、架构方法、咨询技能来影响客户技术决策 2、与客户合作进行模型训练、推理和模型应用等POC，含展示功能、调整模型、优化模型性能、测试分析、Agent搭建、模型调用等内容 3、依据客户需求和技术研判，推动产研部门持续优化产品，助力提升产品竞争力，同时沉淀最佳实践，以及脚本、模板、参考架构等可复用的技术资产 4、持续跟踪行业动态和技术趋势，并与产品团队协作，打造创新的人工智能（大模型、智算、一体机等）解决方案 5、支持市场活动，作为领域专家参与市场洞察、行业标准、市场排名报告、白皮书撰写等活动，并在行业峰会、技术沙龙等市场活动中进行技术传播和分享
1. 按照蚂蚁数科AI产品架构和业务要求，设计AI产品质量保障体系，保障数科AI产品上线质量； 2. 针对AI系统特性进行专项测试方案设计，包含功能/效果的质量保障策略，保障AI系统效果和稳定性； 3. 基于工程和算法团队现有的质效问题给出合理的解决方案，推动项目落地提高交付质量； 4. 通过测试工具、测试技术、测试平台、产品研发测试过程等方面的创新，提升测试效率； 5. 能结合AI行业发展趋势，制定合适的质量技术发展规划，提升团队技术影响力。
团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。
1、负责数字化底盘架构车辆动力学核心技术的创新研究，包括但不限于：线控底盘（Brake-by-Wire/Steer-by-Wire）、智能悬架（主动/半主动）、轮毂电机扭矩矢量控制、自动驾驶与动力学协同控制等； 2、探索AI/ML在车辆状态参数估算、动态响应预测与实时控制中的应用（如强化学习控制算法）； 3、研究新型车辆底盘架构（如轮边角模块等）对车辆动力学特性的挑战与解决方案； 4、与自动驾驶、电驱动系统、轻量化材料团队合作，优化整车动态性能（如舒适性、操纵稳定性、能量效率）； 5、构建高精度车辆动力学仿真模型（多体动力学、高保真轮胎模型等），支持数字孪生与SIL/HIL等在环测试； 6、开发基于云平台的动力学参数标定与OTA更新技术； 7、跟踪产业界、学术界前沿技术进展，探索在数字化底盘领域相关车辆动力学相关业务场景上的应用落地路径，持续迭代优化。 【课题名称】数字化底盘动力学研发 【课题内容】本课题聚焦于数字化底盘系统中车辆动力学研发工作，通过构建高保真、多场景适用的数字化底盘汽车动力学特性预测分析模型，完成线控底盘子系统（主动悬架、线控转向、线控制动）的协同控制性能分析，并对线控底盘子系统特性提出技术要求。