TCLAI测试工程师

1、AI模块测试支持：与内部产业合作团队（如机器人、知识库等）紧密协作，深入了解其对AI模块的需求，负责AI模块的测试工作（30%） 2、技术方案设计与把关：负责AI测试技术方案的设计与审核，承担测试SE角色，确保测试方案的科学性与可行性。指导组内测试工程师完成具体测试执行工作，推动测试流程的高效实施（30%） 3、大模型评估与优化：使用LLM-Judge或其他评估工具，对大语言模型进行质量评估，提出优化建议。结合技术需求，探索并应用先进的测试方法，提升模型的性能与稳定性（20%）4、自动化测试开发：设计并开发自动化测试脚本，提升测试效率与覆盖率。持续优化测试工具与流程，推动测试自动化的落地与完善（20%）

1、负责游戏AI算法模块测试、算法接口与业务的集成测试； 2、根据算法开发功能特点，编写测试计划、测试用例，维护测试文档； 3、协助完成数据整理，自动化测试框架维护； 4、完成准确度、性能、稳定性等测试（AI业务模块）； 5、分析测试过程中的问题，能定位问题，并完成测试报告收集、记录、分析、上报，协调开发调试修复问题。

AI测试能力平台建设：负责构建AI赋能的测试能力平台，打造智能化测试生态系统，通过AI技术提升测试效率与质量，包括智能测试用例生成、测试数据自动生成、测试执行优化等核心能力； AI+测试流程融合：研究并实现AI技术与测试流程的深度融合，将大模型能力应用于测试设计、测试执行等环节，推动测试流程智能化升级； 测试能力赋能业务：将AI测试能力转化为业务价值，支持业务快速迭代，提升风险拦截能力与质量保障水平； AI测试方法论沉淀：总结并沉淀AI+测试方法论与最佳实践，形成可复用的测试能力资产。

1.参与AI系统（如机器学习模型、NLP/CV应用、大语言模型等）的质量保障工作，设计并执行测试用例； 2.针对AI模型特性，完成性能测试（如推理速度、资源占用）、效果测试（如准确率、召回率）及稳定性测试（如对抗样本鲁棒性、数据漂移检测）； 3.开发自动化测试脚本，搭建测试工具链，提升AI模型迭代效率； 4.分析测试结果，定位AI模型或数据问题，与算法/工程团队协作优化解决方案； 5.探索AI测试前沿技术（如模型可解释性测试、公平性评估等），推动测试流程标准化； 6.探索AI辅助测试落地测试项目。