顶尖应届-大模型工程师（测试方向）-手机

优缺点分析

角色解读

• 技术深耕：从大模型测试工程师成长为AI测试专家，主导复杂测试体系建设
• 研究方向：结合业务场景发表论文专利，向研究型工程师发展
• 管理方向：积累经验后转向技术管理，带领团队
• 构建专用大模型进行CL分析，自动生成测试用例以提高测试覆盖精准度
• 利用AIGC技术生成测试用例和测试数据，提升测试效率
• 开发评测大模型，用于辅助自研算法的效果评估
• 探索机器学习与测试领域的新融合技术，并撰写论文和专利
• 扎实的编程能力：熟练使用C++和Python
• 深度学习框架：熟练掌握TensorFlow或PyTorch
• 深度学习理论：深刻理解神经网络原理及数学基础
• 大模型经验：有实际大模型设计应用经验者优先

申请策略

• 在简历和面试中强调创新思维，准备过往项目中如何用AI解决实际问题的案例
• 了解小米手机业务和AIoT生态，思考AI测试如何赋能
• 突出深度学习项目经验，特别是大模型相关（如LLM微调、测试生成）
• 强调C++/Python编程能力，附GitHub或代码片段
• 列出发表的论文或竞赛获奖，尤其是顶级会议（ICML、CVPR等）
• 展示对测试自动化的理解，以及如何用AI提升测试效率
• 补充大模型应用知识，如Prompt Engineering、模型压缩、评测指标
• 强化深度学习框架实操，多跑开源项目

面试指南

• 对于原理类问题，先阐述核心概念，再深入数学推导，最后举例
• 对于设计类问题，先明确目标，再分步骤描述方案（数据、模型、评估），强调权衡
• 对于挑战类问题，用STAR法则（情境-任务-行动-结果）结构回答
• 请解释Transformer的self-attention机制及数学原理
• 如何评估一个LLM在特定任务上的效果？给出具体指标
• 你如何设计一个基于大模型的测试用例自动生成系统？
• 你过去在深度学习项目中最遇到的挑战是什么？如何解决的？
• 谈谈你对CL（Continual Learning）的理解，以及如何用于测试