本文是个人求职工作区文档的发布版,核验日期 2026-08-13。源文件与后续动态更新托管在 GitHub 仓库 llm-algo-job-notes;面经与组织情报均为公开来源转述,证据分级见正文说明。

建立日期:2026-08-13。个人叙事(求职指南 §2.2)、项目 bullet 模板(§8.7)、三版定向重排(§10.6)已在大模型算法岗求职指南中,本文不重复,只补外围:筛选机制、加分项权重、格式与雷点、项目行情、转型关键词映射和投递材料清单。

可直接使用的成品:简历母版与定向版(基于 2026-08-13 版 PDF 重写,填完占位符即可导出投递)。

0. 先看结论

  1. 简历只有两个读者:机器(关键词召回)和 10–30 秒的人眼(抓亮点)。为这两个读者写,不为自己写。
  2. 2026 年的行情:RAG/Agent 项目本身不再加分,“讲得清数据、评估和取舍”才加分;论文(即使方向不对口)仍是研究岗最硬的通货。
  3. 你的异常检测背景不是包袱——按 §5 的映射表把它翻译成大模型语言,它就是区分度。

1. 筛选机制:简历怎么被读

  • 第一层 机筛/初筛:按 JD 关键词与硬条件(学历/毕业时间/专业)召回。对策:简历里自然出现目标 JD 的关键技术词(不是堆砌——每个词都要能被追问)。大模型算法岗高频关键词:SFT、LoRA/QLoRA、DPO/GRPO/PPO、RLHF、RAG、Agent、多模态/VLM、vLLM、DeepSpeed/Megatron、量化、KV Cache、数据清洗/合成、评测。
  • 第二层 HR 初看(约 10 秒):学校/学历、实习公司名、论文数量、排版整洁度。对策:教育背景与最强亮点放最上面;一眼能找到”硕士、2027 届、方向”。
  • 第三层 技术主管细看(约 1–3 分钟):项目 bullet 里的数字与技术判断力。对策:每条 bullet 按”做了什么 → 怎么做的(关键决策)→ 数字结果”,全部量化(模板见指南 §8.7)。
  • 面试官几乎一定会照着简历问:写上去的每一行都是你出给自己的考题。写之前自问三连:数据在哪、baseline 是什么、被追问三层能不能扛住。

2. 加分项权重(2026 社区共识与证据)

按对大模型算法岗的边际价值排序:

  1. 顶会论文:方向不对口也有效——2025 届 GNN 背景零大模型项目者凭多篇 A 会拿下腾讯/蚂蚁/美团大模型 SSP 的一手复盘(牛客)证明”论文证明的是研究能力闭环,不是方向”。投研究岗(Seed/青云/北斗/阿里星专项)论文接近必需。
  2. 大厂相关实习:应用岗最硬的通货;来不及了就用”高质量项目 + 论文”补位(你现在的处境)。百度/字节校招正式员工 50%+ 来自实习转正 [媒体]——没有实习意味着你要在笔试面试上更强。
  3. 有区分度的项目:见 §4。
  4. 竞赛(ACM/Kaggle/天池 top):证明 coding 与建模,边际价值中等。
  5. 开源贡献:给 vLLM/TRL/LLaMA-Factory 这类主流库提有效 PR 才算数;自己开 repo 刷 star 不算。
  6. 证书、课程列表:基本无效,删。

3. 格式规范与雷点清单

规范(硕士应届默认):

  • 一页 PDF;文件名 姓名-学校-硕士-2027届-岗位方向.pdf。
  • 模块顺序:个人信息(含毕业时间!)→ 教育背景 → 论文/科研 → 项目(2–3 个)→ 实习(如有)→ 技能与荣誉。
  • 每个项目 2–4 条 bullet;技术名词英文原文(GRPO 不写”组相对策略优化”)。
  • 邮箱用常规服务商;GitHub/主页链接只在内容拿得出手时放。

雷点(均有面试官吐槽帖背书,[汇总]):

  • 技能栏写”精通”——写”熟悉/掌握”,精通两个字是找拷打。
  • 罗列课程名、社团职务、与岗位无关的奖(文体类删除)。
  • 项目只写”过程忙碌”不写结果数字;或数字明显编造(“提升 300%”)。
  • 同一份简历海投所有方向(后训练岗看到简历第一屏是 RAG demo 会直接降权——用指南 §10.6 的三版重排解决)。
  • 占位符/错别字/两栏花哨模板(机筛解析两栏模板易错位,用单栏)。
  • 写”了解 Stable Diffusion、CV、NLP、大模型、强化学习、推荐系统”式的全家桶——宽度在算法岗是减分项。

4. 项目行情:什么烂大街、什么有区分度(2026-08)

已经烂大街(只写”跑通”会减分):

  • LangChain + 向量库 + Prompt 的朴素 RAG 问答 demo(滴滴面试官”你的 RAG 项目太老了”实录:掘金);
  • 纯调 API 的 Agent(无环境、无评测、无失败分析);
  • 跑通 LLaMA-Factory 微调脚本无消融无评估;
  • 各培训班同款”医疗/法律问答系统”。

仍有区分度的做法(社区面试官口径一致,牛客):

  • 评估闭环:自建 golden set(200+ 条、覆盖无答案/跨文档/权限场景),报 Recall@K、MRR、引用准确率、拒答准确率,并写出调优前后的数字变化;
  • 工程取舍:能回答”为什么 RAG 而不是长上下文”(知识实时更新、>1M token 库、多租户、成本),“chunk=512 为什么”,“rerank 带来多少延迟换多少精度”;
  • 失败分析:embedding 相似度高但答案错、离线指标涨线上体验降,这类问题的定位过程;
  • 训练证据:真实跑过 SFT/DPO/GRPO 并能报 GPU-hours、显存峰值、失败实验(对应指南 §8 的项目方案——它的设计在 2026-08 行情下依然是对的,照着做即可);
  • 把 RAG 定位成 Agent 的检索组件而不是独立产品,展示系统视角。

结论:不需要换项目,需要换讲法。你仓库里规划的旗舰项目(3D 缺陷诊断 Agent + evidence verifier + 隔离评测)正好落在”有区分度”一侧,把 §8.7 模板里的方括号用真实数字填上是唯一要紧的事。

5. CV/异常检测 → 大模型的简历关键词映射

把原有经验翻译成大模型面试官的语言(每行都必须真实做过,映射不是编造):

你的原有经验简历上的大模型语言面试可展开点
工业缺陷/异常检测长尾分布与弱监督下的可靠性建模;bad case 驱动的迭代数据不平衡、阈值标定、误报代价 → 直通 reward 设计与评测
点云/3D 视觉多模态感知与空间 grounding;具身智能候选背景美团北斗、拼多多机器人岗、字节具身直接对口
检测器训练与调参训练稳定性诊断(loss spike、过拟合)、消融设计迁移到 SFT/RL 训练诊断的叙事
CLIP/ViT 使用经验VLM 视觉编码器原理与图文对齐LLaVA/Qwen-VL 架构必问
部署/TensorRT/量化(如有)推理优化意识(量化、延迟-精度权衡)KV Cache/vLLM 话题的敲门砖
评测指标设计(AUROC/PRO 等)评测体系设计能力:指标选型、置信区间、泄漏防控LLM-as-a-Judge、pass@k 的讨论资本

叙事口径直接用指南 §2.2 的 60 秒版本,不要说”CV 不行了所以我转大模型”。

6. 投递材料清单(一次备齐,避免流程中断)

  • 简历母版 + 三个定向版本(指南 §10.6),全部 PDF ≤2MB。
  • 证件照电子版(白底+蓝底,正装,≥413×626px)——网申表单常强制要求。
  • 成绩单扫描件(本科+硕士,教务处盖章版)与学籍在线验证报告(学信网,提前办,高峰期出报告慢)。
  • 论文材料:arXiv/DOI 链接、一页版摘要(研究岗附加题)。
  • 奖学金/竞赛证书扫描件(只留与技术相关的)。
  • 身份证正反面扫描(只在 offer 后官方系统上传,任何面试前索要的都是诈骗)。
  • GitHub 整理:置顶 1–2 个真实项目 repo,补 README(运行命令、结果表、失败案例);删除空仓库。
  • 统一的投递表(公司/岗位ID/简历版本/时间/状态/下次跟进)。

7. 版本管理纪律

  • 母版是唯一事实源:新数字先进母版,再同步到三个定向版;投出去的每份简历存档(简历/sent/公司-岗位-日期.pdf),面试前看的是”当时投的那份”。
  • 每轮面试后 30 分钟:把被追问卡壳的 bullet 改写或删除——简历是活文档。
  • 项目进展更新(如旗舰项目跑出新数字)触发全版本同步,避免面 A 公司说 F1=0.62、面 B 公司说 0.58。