Token Foundry-大模型平台研发工程师-测试开发

优缺点分析

角色解读

• 从测试开发工程师向资深测试开发专家、质量架构师方向发展
• 深入AI Infra领域，转型为大模型平台业务技术专家或AI测试负责人
• 负责大模型平台（数据生产、训练、评测）的质量保障体系搭建与迭代支持
• 制定测试策略与计划，执行缺陷跟踪和软件质量分析
• 探索Agent和LLM在测试领域的创新应用，开发工具以提升测试效率与覆盖范围
• 熟练掌握Python/Java/Shell等编程语言，具备扎实的工程化和系统设计能力
• 熟悉软件测试理论与方法，有AI/大模型产品测试或质量保障经验
• 具备业务视角，能够跨团队协作推动质量问题的定位与解决

申请策略

• 了解阿里Token Foundry或通义千问等相关大模型平台的业务背景，准备关于大模型质量保障痛点的独立思考
• 突出Python/Java工程化能力和复杂系统设计经验
• 强调在AI/大模型或复杂分布式系统中的质量保障与测试策略制定经验
• 展示利用自动化工具或AI技术提升测试效率、降低缺陷率的具体案例与数据
• 深入学习大模型评测方法（如BLEU、ROUGE、人工评测对齐等）及主流评测基准
• 了解Agent和LLM在代码生成、自动化测试脚本编写中的实际应用与落地方案

面试指南

• 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验
• 针对大模型测试，强调“确定性测试与概率性评测结合”的思路
• 针对工具赋能，强调“痛点分析-工具选型/开发-效率提升数据对比”的闭环
• 如何为大模型的数据生产或训练平台设计质量保障体系？
• 在测试中如何借助Agent或LLM能力提升测试效率？请分享具体思路或落地案例
• 面对大模型输出结果的不确定性，你如何制定评测标准和缺陷跟踪策略？
• 请描述一个你从业务视角发现并推动解决的重大质量问题的案例
• 复习Python/Java底层原理及系统设计，准备应对工程化能力考察