海尔
AI测试工程师
AI测试工程师
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公测试开发
测试开发
Ai测试
Llm-As-Judge
Pytorch
Rag
大模型测试
性能测试
评测集构建
值不值得投
74综合评分
综合评分 74
前沿AI技术栈、大厂稳定平台、成长性强、WLB中等
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.0万
比测试开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 670 个在招 · 其中测试开发 7 个
市场机会
选择适中
青岛 · 测试开发 · 23 个在招
职位详情
关于这个职位
负责大模型及智能体项目的质量保障，涵盖功能、性能及准确率（F1/BLEU等）测试
需构建评测集、设计用例并评估Agent任务链路效果
要求具备Python/PyTorch编程能力，熟悉LLM基本概念与前沿评测技术，确保系统交付质量
最低要求
本科及以上学历，计算机、物联网、软件工程、大数据等相关专业
具备算法类测试、模型性能评估等相关经验，了解测试用例设计与执行流程
良好的 PyTorch / Python 技术栈，具备熟练的阅读代码和编写代码的能力
熟练使用 Office 工具，具备良好的文字表达能力
需良好的沟通能力与团队协作精神，积极主动，有责任心，热衷新技术，善于总结分享
工作职责
负责大模型及智能体相关项目的测试工作，包括功能测试、性能测试、准确率测试（F1 / Rouge / BLEU 等）、稳定性测试等，确保模型与智能体系统的交付质量
负责大模型及智能体测试数据的标注、评测集构建，以及测试用例的设计与持续优化工作
负责智能体任务链路（规划、工具调用、记忆、多轮对话等）的测试与效果评估，定位并分析异常问题
追踪大模型与智能体方向的前沿进展，积极主动地学习和探索新的评测及分析方法与技术（如 Agent Benchmark、LLM-as-Judge 等）
优先资格
熟悉大模型基本概念（Prompt、微调、RAG、Agent 等）者优先，了解常见评测指标与基准
优先选择对大模型及智能体技术有热情、主动学习者
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型与Agent技术，技术栈新颖且具有行业竞争力
- 大模型测试领域标准尚未完全统一，需自主探索评测方法，工作具有一定的不确定性
缺点 / 挑战
- 对AI技术充满热情，具备编程基础且喜欢挑战新技术的测试工程师
角色解读
- 向AI质量工程专家发展，深入理解大模型底层原理，成为具备算法思维的测试架构师
- 针对大模型和智能体系统进行全链路测试，包括功能、性能及准确率评估
- 掌握Python/PyTorch编程能力，熟悉LLM核心概念（Prompt/RAG/Agent）及评测指标
申请策略
- 准备关于如何评估智能体复杂任务链路的案例，展现逻辑分析与问题解决能力
- 突出Python编程能力及在大模型测试中的具体项目经验，展示对评测指标的理解
- 深入学习LangChain、AutoGen等Agent框架，掌握LLM-as-Judge等新型评测技术
面试指南
- 采用STAR法则（情境-任务-行动-结果），重点阐述测试策略的设计逻辑、技术选型的依据以及最终的质量提升效果
- 你如何设计一个智能体（Agent）的多轮对话测试用例？
- 请解释一下BLEU、ROUGE和F1分数在NLP评测中的区别与应用场景
- 面对大模型的幻觉问题，你有什么测试或缓解思路？
- 如何使用Python编写脚本自动化评估模型输出？
- 复习大模型基础理论，熟悉常见的AI测试工具和框架，准备1-2个相关的实战项目案例
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
作为上市巨头企业，提供稳定的薪酬福利体系，薪资水平在青岛地区具有较强竞争力，但非顶级互联网高薪梯队。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位聚焦于大模型与智能体等前沿技术领域，技术成长空间大，能接触到行业领先的评测方法。
技术前沿前沿/新兴技术
技术栈大模型、Agent、Python、PyTorch、RAG、LLM-as-Judge、Benchmark
业务类型profit_center
工作生活
60中等
传统制造企业数字化转型部门，通常遵循标准工时，但AI研发项目可能存在阶段性高强度投入，WLB中等。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
通过推动家电智能化与AI落地，改善用户生活体验，具有明确的应用价值和社会影响力。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs