大模型实习简历求指导

首先要明确简历的核心要义 ——“简”。一份简历的篇幅控制在一到两页为佳，尤其需要注意的是，第一页是重中之重，必须优先呈现个人基本信息，同时提炼并突出自身的核心优势，让招聘方快速捕捉到你的亮点。然后推荐使用简历模板——全民简历简历亮点如下：学历（重点大学）实习经历（写实习内容的时候，需要量化的指标信息）可以维护一些个人总结，比如CSDN博客、飞书等可以证明自己确实学过的路程。项目（量化）个人简历分享如下：#有深度的简历长什么样？#

我是985本港硕，今年毕业，目前0论文0实习。有一个RAG项目，没涉及微调。11月开始断断续续在投实习，主要投的是深圳的大模型应用岗和产品岗，都没什么回声😭也是因为那个时候看到很多应用岗已经合并到后端了，所以后面开始从头学JAVA。学着学着发现自己在开发方面兴趣不是很大，而且现在大多都是朝agent方向做开发，自己已有的经验好像没什么竞争力，不太确定要不要继续。因为我学过深度学习，也不反感读论文，想试着往大模型算法方向走一走。会去补一个这方面的项目，但是不知道应该从什么方向入手。我今年就要秋招了，听说算法方向很看重实践经历，所以秋招前必须要有一段实习，时间紧迫，可能做不了太大的项目。请问大家做一个微调项目或者复现一篇简单的强化学习论文，对于算法实习足够吗？以及大模型应用这个方向要放弃吗？感谢大家🙏

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...

1️⃣实习介绍2️⃣基本就是顺着简历全在问八股1.Transformer 的结构，有哪些可以学习的参数2.多头自注意力结构，矩阵个数3.ffn结构4.encoded decoder 区别5.一个 decoder block 由几个部分组成6.encoder 的输出，作为什么到 decoder7.为什么 decoder 更适合生成8.decided mask 在推理中有用吗9.Transformers 各个架构的改进（attention/ffn/位置编码）分为：10.GQA MHA MQA 区别11.swiGLU 的改进12.rope 在哪里加入3️⃣然后开始项目，其实也问很多八股：1.用的什么开源 dpo 数据2.为什么没用 qwen-33.全参数微调 7B 需要多少显存4.FP16/BF16 区别5.AdamW 显存计算6.介绍 Flash attention7.介绍 gradient checkpoint8.RougeL 计算方法9.代码：找数组第 k 大元素