算法测试工程师

岗位职责
1. 主导NLP模型全维度测试，针对BERT/GPT等微调模型，覆盖文本生成、实体识别、文本分类等核心任务，设计科学评测方案并验证模型准确率、召回率等关键指标；
2. 专项负责AI提示词测试，设计多场景提示词用例（含歧义性、复杂指令、多轮交互等），验证提示词与模型交互的精准性、鲁棒性及场景适配性；
3. 开展算法大模型性能测试，聚焦推理延迟、吞吐量、资源消耗（CPU/GPU/内存）、高并发稳定性等核心指标，设计压测方案并实施验证；
4. 负责AI系统核心模块及全链路测试，涵盖RAG知识库（知识抽取、向量存储/检索）、生成类功能等，验证模块协同准确性与流程闭环性；
5. 分析测试过程中的模型缺陷、性能瓶颈及提示词适配问题，输出精准测试报告与优化建议，协同开发/算法团队推动问题闭环；
6. 沉淀NLP模型全维度测试、提示词测试及大模型性能测试方法论，构建标准化测试用例库与数据集，提升测试效率与覆盖度。

任职要求
1. 计算机、AI、NLP、数据科学等相关专业本科及以上学历；
2. 熟悉Python+Linux技术栈，具备扎实的测试理论基础与用例设计能力；
3. 深入了解NLP核心技术与Transformer架构，熟悉BERT/GPT等大模型原理及微调、推理流程；
4. 具备AI测试实战经验，熟练掌握NLP模型全维度测试、AI提示词测试及算法大模型性能测试核心方法，能独立完成测试全流程；
5. 熟悉主流性能测试工具（JMeter/Locust等），了解向量数据库（ChromaDB/Milvus）使用与测试方法者优先；
6. 3年以上测试经验，含1年以上AI/NLP或大模型相关测试经验，有全链路测试经验者优先；
7. 具备较强的系统思维、逻辑分析能力及跨团队协作能力，能快速定位复杂测试问题；
8. 加分项：熟悉模型评测指标（F1/BLEU等）；具备OCR+NLP多模态测试经验；了解ONNX/TensorRT等推理加速技术；有招投标领域系统测试经验者优先。