牛敬业
188****5442niu****@***.com北京35男人工智能测试经理在职北京30k-50k •攻读硕士学位期间，系统修读《软件测试与质量保障》《AI系统测试》《对照实验与A/B测试》等课程，连续两年获校级优秀学业奖学金，综合测评排名前5%。
•作为核心成员参与校企联合实验室项目“基于迁移学习的智能缺陷预测”，独立设计并实现了一套跨项目缺陷预测工具，在三个开源项目上验证准确率提升至89%，并撰写技术报告一篇。
•代表学院参加全国大学生软件测试大赛，获得“开发者测试”赛道个人一等奖，在规定时间内完成对Java项目的高覆盖率用例设计与自动化脚本编写，展现出扎实的测试设计能力与工程实践素养。
人工智能测试经理AI质量策略测试架构设计技术团队建设
北京
•组建并管理一支20人的AI测试团队，覆盖自然语言处理、计算机视觉两条产品线的端到端质量保障。主导制定测试策略全景图，将质量目标拆解到每个迭代，团队交付的产品线上缺陷逃逸率持续低于0.5%。
•在团队内推行混沌工程与故障演练，自研基于模型行为差异的智能回归测试平台，将核心模型更新后的回归测试周期从3天压缩至4小时，极大地提升了发版频次。
•与算法、工程、产品团队共建质量门禁体系，设计AI产品特有的数据漂移监控与模型衰减预警机制，一年内成功拦截了4次因数据分布变化导致的潜在线上事故。
•搭建分层测试培训体系，引入“AI测试工坊”和“缺陷挖掘竞赛”机制，两年内培养出3名测试架构师，并输出多篇内部技术博客，团队成为公司AI质量领域的技术标杆。
腾讯 - AI Lab语音技术中心技术驱动弹性工作
2014.07-2016.12
高级测试工程师AI模型测试性能瓶颈分析质量左移
北京
•深度参与智能语音助手产品的测试工作，独立设计并维护了超过2500条测试用例，涵盖意图识别、多轮对话、噪声鲁棒性等场景，并主导构建了自动化语音语料库以提升测试覆盖度。
•主导端侧推理引擎的性能专项测试，通过对模型量化、算子优化等环节的压测与profiling，定位出3个关键的内存泄漏点，优化后使得终端设备在高负载下的首字响应延迟下降了60%。
•积极推动质量左移，在需求评审阶段提出20余项可测试性改进建议，并促成开发团队在流水线中集成静态代码分析，将60%的编码规范问题在提交前拦截。
•作为团队技术分享的发起人，组织了“AI测试前沿”双周会，累计分享过元学习在测试用例生成中的应用、基于梯度加权的可解释性测试方法等主题，点燃了团队的技术热情。
•作为项目测试负责人，带领4人小组对企业级智能安防视频分析平台进行质量把关，该平台日均处理千万级视频流，对实时性要求极高。制定了包含算法精度、流媒体稳定性、边缘节点容灾在内的多维测试方案。
•设计并实现了超过600个自动化测试脚本，覆盖视频流接入、模型推理、告警推送等核心链路。通过引入基于视频帧差异的智能断言，将模型效果回归测试的误报率降低了70%。
•面对视频流卡顿和告警堆积问题，利用流量回放工具模拟万路并发场景，精准定位到GPU显存调度策略的缺陷，协同算法团队优化后，系统吞吐量提升了3倍，告警正确率达到99.5%。
•项目交付后，为国内多个大型交通枢纽提供稳定服务。质量保障体系被推广至公司其他安防类产品线，成为AI产品测试的参考范本。
•主导该平台的全生命周期测试工作，该平台融合了语音、文本、视觉三种交互模态，服务于金融、政务等高端客户。带领8人团队，设计了基于用户旅程的端到端测试场景库，覆盖了200多个核心业务流程。
•创新性地引入了基于对抗样本的鲁棒性测试方法，成功发现了意图识别模型在近义词、方言输入下的泛化弱点，推动算法团队重新训练了嵌入层，使得用户争议率下降40%。
•负责搭建了统一的测试数据中台，将多模态语料、用户行为日志、标注数据统一管理，并开发了自动化数据质量校验工具，将测试数据准备时间从人天级缩短至小时级。
•在项目进入维护期后，建立了基于用户反馈的实时质量洞察看板，能够自动聚类线上问题并追踪修复效果。通过持续优化监控策略，平台的可用性始终保持在99.9%以上。
我对人工智能产品的质量保障充满热情，坚信测试是向用户交付可信赖AI体验的关键一环。工作中养成了严谨细致、刨根问底的习惯，对模型输出偏差、数据漂移等风险保持高度敏感。善于结合业务场景制定分层测试策略，主动引入自动化与监控手段来提升反馈效率，而不是仅靠堆人力。跨团队协作时，我习惯先厘清问题边界再推动对齐，能快速把技术疑点转化为可执行的验证方案。乐于持续跟进AI评测新范式，希望在测试管理岗位上用专业和务实推动团队成为产品可靠性的坚实后盾。
AI测试技术探索与落地实践:
深耕大模型与自动化测试结合领域，业余时间复现了 MetaGPT、TestPilot 等前沿论文方案，搭建了基于多智能体的测试用例生成原型，在内部项目上试用后需求覆盖率提升22%。
发起并主持月度“测试技术雷达”分享会，已组织12期，涵盖视觉定位、变异测试、模糊测试等主题，推动团队引入基于视觉的UI自动化方案，使脚本维护成本降低40%。
为提升回归测试效率，实验性地将强化学习用于测试用例优先级排序，在小规模数据集上验证发现缺陷速度提升35%，已整理技术方案申请公司内部创新基金。
