快手模型测试分析工程师-【可灵AI】
任职要求
1、计算机科学、软件工程或相关专业本科及以上学历；具备1-3年软件测试和数据分析经验； 2、熟悉软件测试理论、方法和流程；掌握至少一种编程语言（如Python、Java）以支持自动化测试； 3、熟悉常用测试工具（如Selenium、JMeter）和缺陷管理工具（如JIRA）；了解并熟练掌握CI/CD流程，熟悉相关工…
工作职责
1、负责可灵AI数据侧从模型效果出发，对各种数据源中收集、处理和分析数据，以提取有价值的信息、洞察力和趋势，以支持数据驱动的决策过程； -模型分析和评测：分析数据对模型带来的效果，通过多角度的数据分析验证数据的模型下效果； -评测能力建设和结果呈现：建设系统化的数据分析的平台和工具，完善AI模型分析的链路和机制；按时按量输出高质量的数据分析和反馈报告，支撑数据决策； -质量改进和文档管理: 参与需求评审和设计评审，提前发现潜在问题，提供质量改进建议；编写和维护分析相关文档，如分析报告、模型说明等。 2、负责可灵AI数据平台的质量保证工作，确保平台的功能、性能和稳定性达到预期标准。通过测试计划制定、执行和优化，提升平台的整体质量和用户体验； -测试计划与设计：根据AI数据平台的需求和技术文档，制定详细的测试计划和测试用例；设计功能测试、性能测试、兼容性测试等多种测试方案； -测试执行和缺陷管理：设计数据平台侧通用测试用例，设计并执行自动化的手动测试和自动化测试，确保平台功能符合预期；发现并报告平台及相关软件的缺陷，跟踪问题的修复进度； -质量改进和文档管理：参与需求评审和设计评审，提前发现潜在问题；提供质量改进建议，优化测试流程和工具；编写和维护测试相关文档，如测试计划、测试报告等。
1、数据pipeline建设：负责视频生成大模型的训练数据构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型的持续迭代； 2、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供数据分布的可视化报告及改进建议，确保模型训练数据覆盖目标场景和多样性需求； 3、用户数据分析：分析用户交互数据，评估视频生成效果与用户满意度，提取用户反馈中的数据优化方向。构建用户行为分析模型，探索用户需求变化并为模型优化提供参考； 4、优化模型生成效果：构建数据飞轮。通过数据驱动的方法优化视频生成大模型效果，结合A/B测试等手段验证调整效果。与算法工程师合作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力。
负责可灵AI的多源数据，线上用户反馈数据采集，挖掘和分析。通过数据挖掘、统计分析和可视化工具，完善可灵AI数据闭环链路，为可灵AI的数据侧提供战略决策和业务优化提供数据支持。 1、数据pipeline构建：负责视频生成大模型的训练数据构建与管理，参与数据筛选、标注及质量评估工作。分析和挖掘现有数据资源，设计有效的数据分布策略，支持模型的持续迭代； 2、数据分布分析：对模型训练数据分布进行详细分析，识别数据偏差、不均衡及潜在问题。提供数据分布的可视化报告及改进建议，确保模型训练数据覆盖目标场景和多样性需求； 3、用户数据分析：分析用户交互数据，评估视频生成效果与用户满意度，提取用户反馈中的数据优化方向。构建用户行为分析模型，探索用户需求变化并为模型优化提供参考； 4、优化模型生成效果：构建数据飞轮。通过数据驱动的方法优化视频生成大模型效果，结合A/B测试等手段验证调整效果。与算法工程师合作，制定数据调整与扩展策略，提升模型在真实场景中的生成能力。
随本地生活业务多场景AI落地，构建AIGC、B/C端等智能服务的数据飞轮，主要工作涉及: 1. 用户数据分析和策略制定：分析用户交互数据和转化数据，评估不同商品和不同视频内容下用户的转化情况，制定选品、价格和内容优化策略； 2. 优化模型生成效果：负责模型训练数据构建与管理，参与数据筛选、标注及评测体系构建工作。分析和挖掘现有数据资源，通过数据驱动的方法优化，结合A/B测试等手段验证调整效果。
1、产品战略与规划： 深入洞察AIGC行业趋势、用户需求和竞争格局，负责AI图像生成模型及相关应用功能（Web & App）的中长期产品规划和迭代路线图； 2、核心功能与体验设计： 负责AI图像生成核心功能的完整生命周期，通过提升模型的可控性、表现力和易用性，系统性地优化用户创作体验，并探索与定义前沿的AI原生交互模式； 3、一体化工作流构建： 规划并推动图像与视频生成工作流的深度整合方案，打造连贯、高效的一体化创作体验，构建平台的核心竞争壁垒； 4、模型效果定义与驱动： 与算法团队紧密协作，将用户场景和产品需求，转化为清晰、可量化的模型效果评估标准。通过建立评测体系和反馈闭环，持续驱动算法模型在美学、可控性、真实感等方面的迭代精进； 5、数据驱动与用户洞察： 深度挖掘用户行为数据，结合定性/定量的用户研究和A/B测试，科学地评估产品表现，精准洞察用户核心意图与痛点，发现增长机会并驱动产品决策； 6、跨团队协同与项目管理： 作为项目核心，高效地与算法、工程、设计、运营、法务等团队沟通协作，确保产品高质量、按时交付，并达成预期的业务和数据目标。