数学专业转行做算法工程师简历求拷打！！

很多人问我如何准备大模型的面试，分享下我的经验，针对两种情况：1. 有大模型实习2. 无大模型实习针对无大模型实习的情况，我建议先找一段中厂实习为主，比如 zhipu、Minimax （当然有大厂进大厂）这些，相对容易进，尽量积累大模型实习经历。针对有大模型实习的情况，复习内容为：1. 常规八股（transformer、bert 等）2. 最新八股（GQA 等）3. 技术报告（一定要自己看原PDF，目前推荐 DeepSeekV3, R1, kimi1.5, Minimax-01, Qwen2.5, Qwen2.5-VL）4. 手撕 Leetcode：Hot1005. 手撕模型，比如 MHA 这些首先是常规八股和最新八股，这一部分可以自己找找网上资料，整理好的，背。然后是技术报告，目前推荐的内容有：1. DeepSeekV3：必读2. DeepSeekR1：必读3. Kimi1.5：选读4. Minimax-01：选读，据我所知最长上下文模型（外推到 4M，不过好像被 LLama4 的 10M 超过了）5. Qwen2.5：必读6. LLama3.1：必读7. Qwen2.5-VL（如果简历有多模态内容）：选读重点关注：1. 阶段训练（预训练几段、Post-training 几段？上下文用了多少？数据配比是什么？）2. 模型创新点（MHA 创新是什么？作用是什么？）3. 上下文优化创新点（一般是优化显存和阶段训练）4. 多模态优化创新点（简历有多模态内容）5. 几个模型不同之处（比如 Qwen2 和 Qwen2.5 的不同之处）最后是手撕，Leetcode 只刷 Hot100 够了，模型手撕建议关注（我目前会的）：1. MHA2. LayerNorm3. Transformer Encoder (MHA+LayerNorm+FFN)4. PE（绝对位置编码）5. ROPE6. SwiGLU7. RmsNorm每次面试前快速过一遍就 ok 了。

无论何时，哪怕你是真的关心ta，也不要过多探寻对方的个人隐私。当你发现对方对你的提问含糊其辞，或试图转移话题时，就说明对方并不想回答，这时就不要追问啦。即便关系足够近，没有分寸的追问也会让对方觉得职场人际边界被打破。不要为了维护表面的和谐，而不真诚地表达自己的工作感受。因为即便不说，对方还是能够感受到你心怀怨恨，影响你们之间的合作氛围。

无实习加一般学历，求简历拷打

一天一个AI岗位介绍，今天要解读的JD岗位是——AI产品研发工程师。 在大模型公司里，有一个岗位既不纯做算法，也不只是写后端，却承担着把 AI 真正落地的核心角色。 它的工作只有一句话：  把大模型能力，变成开发者每天愿意使用的工具。  像 GitHub 推出的 GitHub Copilot，以及 Cursor 这样的 AI 编程助手，本质上都依赖 AI 平台能力的工程化实现。 如果你看到 JD 里写“AI Platform / AI 产品研发工程师”，它通常不是纯算法岗，而是偏工程落地与系统构建的岗位。 一、这个岗位的核心工作是什么？ 从职责上看，可以分为四块，但本质只有一个关键词：工程化落...