大模型测试工程师

一、岗位职责
1.国产算力适配与兼容性测试
1)负责自研AI解决方案在国产算力平台（沐曦、海光等）上的部署与适配测试。
2)验证ISV合作伙伴的模型与软件在国产硬件上的功能完整性，重点排查算子不支持、精度溢出、显存异常等异构计算常见问题。
3)建立标准化的适配验收流程，输出适配测试报告，推动研发团队解决底层驱动或框架层的兼容性Bug，确保交付成果在国产环境下的稳定性。
2.垂类模型调优效果评估
1)针对公司为ISV提供的模型微调（SFT）及训练服务，设计符合业务场景的评估指标体系。
2)对优化后的垂类模型进行效果验收，对比基座模型与微调后模型在特定任务（如知识库问答、代码生成）上的表现，确保指标满足客户交付标准。
3)深入分析模型Bad Case，结合国产硬件特性（如量化精度损失），协助算法团队调整训练策略或量化参数，"平衡精度与性能。
3.性能基准测试与工具建设
1)基于国产芯片架构，对模型进行推理/训练性能压测（吞吐量、延迟、显存占用），分析性能瓶颈并输出调优建议。
2)开发自动化评测脚本与适配回归工具，沉淀通用的国产算力测试用例库，提升多芯片平台的并行测试效率。

二、任职要求
（一）必备条件
1)学历背景：本科及以上学历，计算机、电子工程、人工智能等相关专业。
2)工作经验：3年或以上AI测试或嵌入式软件测试经验，具备国产AI芯片（如沐曦、海光等）的适配或测试经验。
3)技术栈要求：
a.熟悉主流深度学习框架在国产硬件上的迁移与部署流程。
b.工具使用：熟练使用vLLM / ONNX Runtime、以及厂商侧的性能分析工具；具备性能测试方案设计、结果分析及常见性能问题定位能力，了解基本的模型问题分析思路。
c.熟练掌握Python/Shell等任一编程语言，Linux系统操作命令，能独立编写自动化测试脚本与数据处理工具。
d.熟悉多模态流程，常见多模态模型（ASR、TTS、 CV）模型特点，大模型量化（如INT8/INT4）原理及其在端侧、边缘侧设备上的表现差异。
4)业务能力：
a.了解AI 智能体开发常见术语与基本原理，如Agent、RAG、Skill。
b.理解大模型基本原理（Transformer架构、量化、蒸馏等），能与产品团队、算法团队共同设计模型效果评估指标体系与评估方案，产出最终的Benchmark。
c.具备较强的问题定位能力，能识别问题出处，比如是出在应用层、模型层还是适配层。
d.跨部门沟通能力，能从业务的角度翻译技术问题。

（二）加分项
1)有2B/2G端AI软件适配项目测试经验者优先。
2)有SDD、TDD经验，熟悉使用Trae、CodeBuddy等国内智能体优先。