主分类：软件测试与质量工程
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AI软件测试开发工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、全栈质量体系建设\n• 面向 GPU 驱动层（CUDA 兼容性）、AI 编译器（MLIR 图优化）、高性能算子库（Conv/GEMM/Attention）、深度学习框架（PyTorch / vLLM 定制后端）、大模型及配套工具链（GPU Operator、Container Toolkit、Device Plugin、Profiling/SMI、GDB Debugger 等），设计并落地统一的质量标准与验证策略。\n2、自动化与工程化能力建设\n• 主导自动化测试框架与 CI/CD 回归体系开发，建立多维度质量门禁（Release Gate）；\n• 搭建可复现、可扩展的测试基线环境，支持多 OS、多驱动版本、多框架版本、单机与多机集群等复杂组合。\n3、场景化系统验证\n• 针对大模型训练与推理典型负载，开展稳定性、性能（吞吐/延迟）、精度（数值一致性）三位一体的系统级验证；\n• 通过问题复现、根因定位与数据分析，推动软硬件协同缺陷闭环与持续优化。\n4、方法论与资产沉淀\n• 提炼可复用的测试工具、用例库、诊断脚本与最佳实践，形成标准化测试方法论；\n• 赋能研发团队提升质量内建能力，加速 AI 软件栈高质量迭代。",
"requirements_text": "1.全栈技术测试：涵盖GPU驱动层、AI编译器、高性能算子库、深度学习框架，工具链等AI技术栈的质量保障工作；\n2.稳定性与兼容性验证：验证系统在大模型场景下的稳定性，确保各组件功能正确性和跨平台兼容性；\n3.测试用例设计与执行：设计覆盖各类边界条件和异常场景的测试用例，确保功能正确性和系统稳定性；\n4.性能分析与优化：使用专业工具进行性能瓶颈分析，输出数据驱动的优化建议和性能趋势报告；\n5.精度验证与对比：验证各种数据类型下的数值精度，对比不同版本间的功能和性能差异；\n6.自动化开发：使用Python（pytest）/ GoogleTest开发自动化测试脚本，集成CI流水线；\n7.问题定位与分析：通过日志分析工具（GDB/Valgrind/Profiling）进行问题复现，精准定位缺陷根因；\n8.工具开发：参与测试工具开发（自动化测试数据生成脚本库等），提升测试效率。",
"skills": [AI生成
"Python",
"深度学习",
"自动化测试",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907740045?deptCodes="
}
]
},
"posting": {
"posting_id": "199907740045",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907740045?deptCodes="
},
"fulltext": "AI软件测试开发工程师\nAI软件测试开发工程师\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：北京 / 杭州\n\n职位描述\n1、全栈质量体系建设\n• 面向 GPU 驱动层（CUDA 兼容性）、AI 编译器（MLIR 图优化）、高性能算子库（Conv/GEMM/Attention）、深度学习框架（PyTorch / vLLM 定制后端）、大模型及配套工具链（GPU Operator、Container Toolkit、Device Plugin、Profiling/SMI、GDB Debugger 等），设计并落地统一的质量标准与验证策略。\n2、自动化与工程化能力建设\n• 主导自动化测试框架与 CI/CD 回归体系开发，建立多维度质量门禁（Release Gate）；\n• 搭建可复现、可扩展的测试基线环境，支持多 OS、多驱动版本、多框架版本、单机与多机集群等复杂组合。\n3、场景化系统验证\n• 针对大模型训练与推理典型负载，开展稳定性、性能（吞吐/延迟）、精度（数值一致性）三位一体的系统级验证；\n• 通过问题复现、根因定位与数据分析，推动软硬件协同缺陷闭环与持续优化。\n4、方法论与资产沉淀\n• 提炼可复用的测试工具、用例库、诊断脚本与最佳实践，形成标准化测试方法论；\n• 赋能研发团队提升质量内建能力，加速 AI 软件栈高质量迭代。\n\n职位要求\n1.全栈技术测试：涵盖GPU驱动层、AI编译器、高性能算子库、深度学习框架，工具链等AI技术栈的质量保障工作；\n2.稳定性与兼容性验证：验证系统在大模型场景下的稳定性，确保各组件功能正确性和跨平台兼容性；\n3.测试用例设计与执行：设计覆盖各类边界条件和异常场景的测试用例，确保功能正确性和系统稳定性；\n4.性能分析与优化：使用专业工具进行性能瓶颈分析，输出数据驱动的优化建议和性能趋势报告；\n5.精度验证与对比：验证各种数据类型下的数值精度，对比不同版本间的功能和性能差异；\n6.自动化开发：使用Python（pytest）/ GoogleTest开发自动化测试脚本，集成CI流水线；\n7.问题定位与分析：通过日志分析工具（GDB/Valgrind/Profiling）进行问题复现，精准定位缺陷根因；\n8.工具开发：参与测试工具开发（自动化测试数据生成脚本库等），提升测试效率。\n\n在招业务\n阿里云\n1、全栈质量体系建设\n• 面向 GPU 驱动层（CUDA 兼容性）、AI 编译器（MLIR 图优化）、高性能算子库（Conv/GEMM/Attention）、深度学习框架（PyTorch / vLLM 定制后端）、大模型及配套工具链（GPU Operator、Container Toolkit、Device Plugin、Profiling/SMI、GDB Debugger 等），设计并落地统一的质量标准与验证策略。\n2、自动化与工程化能力建设\n• 主导自动化测试框架与 CI/CD 回归体系开发，建立多维度质量门禁（Release Gate）；\n• 搭建可复现、可扩展的测试基线环境，支持多 OS、多驱动版本、多框架版本、单机与多机集群等复杂组合。\n3、场景化系统验证\n• 针对大模型训练与推理典型负载，开展稳定性、性能（吞吐/延迟）、精度（数值一致性）三位一体的系统级验证；\n• 通过问题复现、根因定位与数据分析，推动软硬件协同缺陷闭环与持续优化。\n4、方法论与资产沉淀\n• 提炼可复用的测试工具、用例库、诊断脚本与最佳实践，形成标准化测试方法论；\n• 赋能研发团队提升质量内建能力，加速 AI 软件栈高质量迭代。\n1.全栈技术测试：涵盖GPU驱动层、AI编译器、高性能算子库、深度学习框架，工具链等AI技术栈的质量保障工作；\n2.稳定性与兼容性验证：验证系统在大模型场景下的稳定性，确保各组件功能正确性和跨平台兼容性；\n3.测试用例设计与执行：设计覆盖各类边界条件和异常场景的测试用例，确保功能正确性和系统稳定性；\n4.性能分析与优化：使用专业工具进行性能瓶颈分析，输出数据驱动的优化建议和性能趋势报告；\n5.精度验证与对比：验证各种数据类型下的数值精度，对比不同版本间的功能和性能差异；\n6.自动化开发：使用Python（pytest）/ GoogleTest开发自动化测试脚本，集成CI流水线；\n7.问题定位与分析：通过日志分析工具（GDB/Valgrind/Profiling）进行问题复现，精准定位缺陷根因；\n8.工具开发：参与测试工具开发（自动化测试数据生成脚本库等），提升测试效率。",
"standard_classification": {
"std_category_code": "T022",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}