← 返回岗位列表

蔚来

校招

提前批-AI测试开发工程师

武汉/合肥/上海/北京 · 校招 · 2027 届 · 本科

长期有效

任职要求

  • 2027届本科及以上学历,计算机、软件工程、人工智能、数据科学、自动化等相关专业优先。
  • 具备基础的软件工程和测试理论知识,了解功能、接口、自动化、性能测试等基本概念。
  • 至少掌握一门编程语言(如Python、Java、JavaScript等),能够独立完成基础脚本开发、数据处理或自动化测试任务。
  • 对AI、大模型、Agent应用有浓厚兴趣,拥有强烈的好奇心和探索未知领域的内驱力,愿意主动学习新技术。
  • 具备优秀的逻辑拆解能力,能够适应大模型输出的不确定性(Non-deterministic),具备耐心和问题钻研精神,能高效与产研团队协作推进问题解决。
  • 优先条件:
  • 有接口测试、自动化测试、Web/App测试、性能测试相关实践经验者优先;熟悉Playwright、Selenium、Pytest、JMeter、Postman等工具者优先。
  • 了解大模型基础概念,深度使用过ChatGPT、Claude、通义、豆包、Coze、Dify等AI平台者优先。
  • 有AI评测、Prompt调优、RAG、Agent、文本分类等相关项目经验,或了解LangChain、LlamaIndex、AutoGen等主流大模型开发框架者优先。
  • 熟练掌握SQL,有日志分析、数据处理经验,能够通过数据辅助排查定位问题者优先。
  • 在GitHub有开源项目贡献、拥有技术博客,或在相关竞赛、课程项目中取得优异成绩者优先。
  • 团队培养与支持:
  • 前沿场景: 直接参与核心大模型落地业务,提供真实且丰富的业务场景与算力资源。
  • 导师辅导: 资深AI测试 1v1 Mentor 辅导,帮助平稳完成从校园到职场的过渡。
  • 稀缺赛道: 支持在“AI+质量保障”这一高潜力领域深耕,致力于培养行业稀缺的复合型AI工程人才。

岗位描述

AI专项评测: 参与AI应用、Agent、业务Skill等智能化产品的测试与评测。基于业务场景设计评测方案、评测集和评估维度,全面覆盖意图理解、结果准确性、工具调用(Tool Use)、上下文理解、多轮对话及边界场景等能力。

质量保障闭环: 参与功能、接口、自动化测试及数据构造。负责建立评测数据沉淀与回归验证机制,深入进行日志分析与Badcase归因,输出质量报告,并推动复杂问题的复现与闭环解决。

探索AI赋能测试: 探索AI技术(大模型)在QA日常工作中的应用落地,包括但不限于测试用例生成、自动化脚本编写、测试结果智能评估及测试资产沉淀

你的简历匹配这个岗位吗?

上传简历,AI 会对照这份 JD 指出你的差距和需要补强的地方

该岗位可能会问的问题

基于 算法 岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制(Self-Attention)

类型专业能力·难度困难
查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力:多组 QKV 并行,拼接后线性变换,捕获不同子空间特征 5. 对比 RNN:可并行计算,捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等
查看答题思路

1. 一句话说清任务:分类/生成/检索/推荐 2. 模型选型:为什么选这个而非那个 3. 数据:数据量、来源、清洗策略 4. 创新点:你做的改进是什么(不是调参) 5. 结果:核心指标提升(准确率/召回/延迟)

过拟合是什么?怎么判断和解决

类型专业能力·难度简单
查看答题思路

1. 过拟合=训练集表现好、验证集表现差,模型记住了噪声 2. 判断:train loss 持续下降而 val loss 上升 3. 解决:更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理,SGD 和 Adam 的区别

类型专业能力·难度中等
查看答题思路

1. 梯度下降:沿负梯度方向更新参数,使损失降低 2. SGD:每次用随机小批量估算梯度,引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp:自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD;CV 常用 SGD,NLP 多用 Adam

给你 10 万条未标注的文本数据,如何找出其中 10 个主题

类型情景/案例·难度中等
查看答题思路

1. 预处理:分词、去停用词 2. 向量化:TF-IDF 或 Sentence Embedding 3. 聚类:K-Means(需指定 K=10)或 HDBSCAN(自动确定类数) 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估:看每个簇的高频词判断主题合理性,迭代调整

更多面试题库功能即将上线

信息来源:企业官方招聘页。投递前请以官网信息为准。