通义通义实验室-技术专家-测试开发

1、负责人工智能相关产品的数据和算法等场景测试，并基于算法和工程团队现有质量问题给出合理化的建议和解决方案，推动落地实现算法质量提高； 2、协同算法团队和工程团队进行全面的质量把控和风险监控； 3、参与数据和算法的质量系统建设，完善算法全链路质量保证能力，提交算法落地和工程效率。

1、 参与大型项目与产品需求分析，担任大型项目的质量保障负责人； 2、 深入理解产品、系统内部的设计原理，从质量保障角度提供优化意见； 3、 参与测试效果评估和软件质量核查，通过测试相关流程、策略、方法和工具等创新，提升测试质量和效率； 4、 提供并实施软件质量工程方法保障质量，如代码标准，用例覆盖，CI\CD，测试驱动开发等； 5、 专利、技术钻研、技术培训，进行测试过程和测试方法的持续改进；

1，负责汽车 BaseTech 自动化测试方案设计与实现，涵盖通信协议、诊断服务、网络管理及实车测试等场景。 2，设计、搭建并持续优化自动化测试框架，不断提升测试覆盖率、稳定性及执行效率。 3，参与测试平台与测试工具链的设计和开发，包括测试用例管理、测试执行调度、结果分析及报告生成。 4，支持单件测试、系统测试及实车测试工作，能够独立完成问题定位与分析，协助研发团队进行缺陷复现与问题闭环。 5，推动测试流程标准化与自动化能力落地，持续改进测试方法与整体测试质量。 6，参与跨部门协作，与软件开发、系统架构、网络及硬件团队紧密配合，保障项目按期高质量交付。 7，关注行业新技术，推动测试平台与方法向 CI/CD、云化、智能化方向演进。

核心职责： 测试战略与体系建设：制定并落地AI软件栈整体测试策略，覆盖驱动（KMD/UMD/Runtime/CCL/Video/Security）、编译器（DFCA/LLVM/Triton/AI Compiler）、算子、深度学习框架（PyTorch/vLLM等）、工具链（调试/Profiling/覆盖率）及云原生环境的全生命周期质量保障。 跨模块协同与质量左移：与AI架构、驱动开发、编译器、算法及产品团队紧密协作，在需求与设计阶段介入，推动可测性设计（Design for Testability）和质量内建（Quality Built-in）。 关键质量维度保障： 功能正确性：主导边界、异常、多进程、虚拟化、硬件适配等场景的测试覆盖； 性能与功耗：建立标准化性能基线，监控推理/训练吞吐、延迟、能效比等指标； 精度一致性：确保CPU/GPU/NPU间数值精度对齐，支持FP16/INT8/BF16等混合精度验证； 稳定性与鲁棒性：设计并执行长稳、OOM、Harvesting、压力及故障注入等专项测试。 自动化与工具链建设：推动EMU仿真环境、自动化回归流水线、设备级代码覆盖率工具、Sanitizer等基础设施的落地与优化，提升测试左移与右移能力。 质量度量与持续改进：建立质量看板，监控缺陷逃逸率、回归通过率、自动化覆盖率等核心指标，驱动流程与技术持续优化。