大模型算法工程师简历范文（社招）

这份大模型算法工程师社招简历范文适合正在求职大模型算法岗的候选人，尤其适合有1-3年工作经验、希望突出模型训练、推理优化或业务落地经验的开发者。也适合转岗到AI方向的工程师参考如何将原有经验与算法需求结合。

• 适合参考项目经历中如何体现PyTorch/TensorFlow、分布式训练框架（DeepSpeed/Megatron）的使用场景。
• 适合参考如何组织个人概述与岗位JD关键词匹配。
• 适合参考如何在经历较少时通过竞赛、开源贡献或论文补充实践证据。

• 模型工程能力：是否独立完成过大模型预训练、SFT、RLHF或推理加速，使用过哪些训练框架和优化技术。
• 业务理解：是否将模型落地到具体场景（如对话、搜索、推荐），是否关注过效果指标（ROUGE/BLEU/准确率）和资源消耗。
• 代码与工具：Python、C++编程能力，Git、Docker、Kubernetes等工程化工具的使用深度。
• 持续学习：是否跟进最新论文（如LLaMA、GPT-QAT）并有实践验证。

建议按「个人概述→核心技能→工作/项目经历→教育背景」顺序组织，让招聘方先看到岗位匹配度。个人概述用2-3句概括大模型算法方向经验和技术栈；工作经历重点写模型开发、调优、部署闭环；项目经历可独立展开更有深度的课题。

• 个人概述：定位为“大模型算法工程师”，列举2-3个代表性技术方向（如预训练、指令微调、模型量化）。
• 技能模块：按类别组织，例如「深度学习框架（PyTorch/DeepSpeed）」+「模型优化（量化/蒸馏/剪枝）」+「工程工具（Docker/MLflow）」。
• 经历模块：每条经历按「业务/问题→动作→工具→结果」展开，例如：“面向客服场景，使用LLaMA进行指令微调，采用LoRA+DeepSpeed ZeRO-3，将推理延迟降低40%。”

复制这份范文后，重点将项目名称、模型架构、数据集规模、训练硬件和量化指标替换为自己的真实经历。同时根据目标JD调整关键词顺序，优先保留面试时能深入解释的技术点。

• 先修改工作经历和项目经历，确保每条经历都有具体的业务场景和可验证结果。
• 对照JD检查技能列表，删除不熟悉的框架或工具，补充自己真正用过的技术（如特定模型名称、部署平台）。
• 统一时态、动词（主导/参与/负责/设计/优化），修正数据口径（比如准确率要注明测试集）。

复制这份范文前，可以先看这些常见疑问，再决定哪些内容适合保留、替换或加强。