腾讯资深AI测试工程师（云数据业务方向）

1. 负责AI类产品（包括大模型应用、智能对话系统、AIGC工具等）的功能、性能、可靠性、数据质量及AI特有维度（如输出一致性、幻觉识别、提示词鲁棒性、偏见与公平性）的测试策略制定与执行； 2. 设计并开发面向AI场景的自动化测试框架与工具链，覆盖模型API接口测试、批量推理验证、评测数据集自动化比对、反馈闭环验证等关键环节； 3. 构建和维护AI测试数据集、评测基准及效果度量体系，协同算法团队开展模型迭代的质量评估与回归验证； 4. 参与AI产品需求与技术方案评审，识别AI特性相关质量风险（如上下文依赖异常、长程推理失效、多模态输入兼容性等），推动可测性设计落地； 5. 持续优化测试效能，推动AI测试能力嵌入CI/CD流程，实现模型版本、服务版本、前端应用的端到端质量门禁。

1.负责腾讯云AI Coding产品质量保障工作，深度参与产品质量体系建设，识别全链路上的质量风险，建立稳定性保障体系，推动稳定性建设落地； 2.腾讯云AI 产品相关的评测工作，包含AI算法的评测体系建设、评测集构建、以及相关评测工程化建设等； 3.负责AI算法的评测标准和评测流程制定，构建评测集，并推进评测执行，分析评测结果，对模型质量给予充分评估； 4.建设相关评测工具/平台，推动评测工程化和无人化。

1.针对LLM幻觉与随机性难题进行专项治理，构建确定性保障机制。确保AI生成的用例与脚本在多轮执行、异构环境下保持高度一致，建立团队对人机协同的信任基线； 2.破解AI决策“黑盒”痛点，搭建覆盖“意图-生成-执行-判定”的数字孪生与追溯系统，实现过程秒级回溯，满足核心业务对合规性与安全性的严苛要求； 3.将AI测试从“实验室Demo”推向生产环境，设计支持万级并发的调度引擎（可用性99.99%）。引入对抗样本与变异测试，建立AI测试本身的防篡改机制； 4.抽象云底层资源，赋予AI自主管理环境生命周期的能力。通过自然语言交互实现复杂拓扑的一键拉起、故障注入与销毁，极大提升研发效能； 5.基于MCP理念打磨测试脚手架，开发针对存储、数据库、大数据等业务的专属插件库（Tools/Skills），以“绿叶”精神赋能兄弟团队快速接入。

1、负责企业级云原生机器学习平台建设，支撑模型开发、训练、部署、上线全生命周期管理； 2、负责机器学习平台核心组件落地与优化，包含分布式训练调度、模型版本管理、模型服务化推理部署； 3、负责 GPU 算力集群精细化运营，通过资源调度、弹性伸缩、异构算力管理，优化大模型训练 / 推理成本； 4、搭建平台监控、告警、可观测体系，保障机器学习集群及业务系统高可用、高稳定； 5、对接算法、业务团队，拆解需求并提供 MLOps 标准化平台解决方案。