本科应届生,1个月斩获50W大模型算法岗!
《考研失利到50万年薪:应届生的算法岗逆袭之路》摘要:25届毕业生北北分享从考研失败到1个月内斩获大模型算法岗的经验。作为非985本科生,他通过400次沟通获得50多场面试,总结出求职关键:1)用面试反馈迭代简历;2)分层次准备项目讲解;3)突出技术选型逻辑而非堆砌新技术。他强调工程思维和优化能力比学历更重要,建议先实践再深挖原理的学习方法,并警惕竞赛同质化陷阱。目前他在预训练方向工作,认为扎实算
「为每个人提供最有价值的技术赋能」,2025年我们和赋范空间的小伙伴们一起来!
发起的“Agentic 时代同行计划”会和我们的学员一起,分享自己的经历、经验,集结群体的智慧一起拥抱Agentic新时代!
受访者:北北,25年应届毕业生,考研转身求职
采访&整理:运营范范
从考研失利、没有实习经验,到一个月内拿下年薪50W的大模型岗——看似轻描淡写,其实是把所有难关都撞过一遍。
他是怎么扭转局势的?又是如何精准发力找到方向的?对找工作最有帮助的知识是什么?面试官看中的是什么?下面是他的答案。
❖ 考研失败→转身求职,我只花了一个月
范范:请先介绍下自己吧
hello,大家好,大家可以叫我北北,是一名今年刚毕业的本科生,大学是人工智能专业的。
现在在一家不能说的公司做算法岗,年薪在50W左右,当下主要在做预训练相关的工作。

范范:面试到找工作只有1个月,这个速度太快了吧?
时间上看着比较短,但是以我在Boss直聘的投递数据为例,在春招末期的4月份才开始投递简历的情况下,累计沟通400次中仅成功投出175份简历,最终获得50多次面试机会。
相比于能正常参加完整秋招和春招流程的同学,这个过程会更容易。
我还有一个劣势是备考期间放弃了一次实习机会(现在想起来颇为后悔)。
范范:很多人都说算法岗必须得是硕士、还得985出身,你这一毕业就拿下,是不是也有点出乎意料?
我没有明确感受到在严格限制985/211硕士,其实只要简历中能展示出够强的项目经历或优秀的实习经验(没有实习经历问题也不大)。
即便是非92背景的同学也能获得不错的面试机会。
还有一个比较有意思的点是,虽然会有少数公司考察leetcode算法题,但我即便只给出基础解法或思路,通常也不会影响最终通过面试。

范范:1个月找到工作,有什么技巧可以分享吗?
先说教训吧,我总想着等简历"技能点拉满"再投递,等项目做到完美再投递,结果反复修改却迟迟不行动。
后来发现,我应该通过面试反馈迭代优化简历,效率远高于闭门造车。所以不断面试其实也是我选择的结果。
从我的面试经验来看,整个流程大概可以概括为三个主要环节:深度技术面、偏业务的技术面和HR面。
其中深度技术面最难通过,面试官会非常细致地考察技术细节,以及会问到一些他们工作中遇到的实际问题。
我有一个比较有效的方法:我会把将简历中的每个项目按照不同时长(1小时、30分钟、10分钟、3分钟)录制讲解视频,之后自己不断优化讲解策略,这样就能根据面试官的兴趣灵活调整讲解深度。

范范:在求职过程中,最重要的是什么呢?
我认为在面试中最需要展现的是对项目的理解和工程思维。
具体来说,不在于项目是否使用了最新,最高级的技术,而在于能否说明白技术选型的合理性即一定要能说明为什么在当前场景下,所选方案比其他方法更合适。
这要求求职者对项目中每个工具和模型的优缺点都有清晰认知,能够基于业务需求做出合理的选择。
其次,我认为他们特别看重求职者是否具备优化和改造开源工具的能力,如果能根据实际业务特点对现有方案进行针对性改进。
这种解决实际问题的能力往往比单纯的技术堆砌更有价值。

范范:现在开始工作了,岗位要求的能力模型是什么样的?
先说结论吧,优秀的Agent工程师往往都具备扎实的算法基础。我的同事们不仅精通Agent工作流的设计与实现,对模型后训练技术以及DeepSpeed等训练框架的掌握也同样深入(这部分推荐去听菜菜老师的大模型训练课程)。
我认为算法和Agent方向虽然各有侧重但也有很多交集,时间充足的情况下最好都具备。
❖ 竞赛是手段,不能无限提升技术
范范:算法学习是从什么时候开始的?
我是人工智能专业,喜欢算法最开始是因为好奇,比如大一的时候我很想知道人脸识别是怎么做到的以及alphago内部怎么实现的,所以我就会去图书馆借相关的书看。后来渐渐入了门后我发现算法和开发我都很喜欢!

大二和九天老师学会了各类机器学习模型以及融合策略后,我在2个月内连续参加了四项数学建模竞赛,虽然拿了冠军但是自我感觉没啥进步。
范范:都拿到冠军了,还没进步吗😂
比赛有些同质化了,每次赛题和技能需求高度相似,反而耽误了我深度学习与大模型的学习进度。
我认为竞赛应服务于技术成长,避免低水平重复。评估参赛价值时,优先选择能逼迫自己学习新领域的比赛。
范范:那该如何提升算法能力呢?
实践应用!学习应用的最大优势在于能够快速获得正反馈,这对保持学习动力至关重要。以机器学习为例,通过使用sklearn这样的工具库,初学者可能仅需一周就能搭建出可运行的预测模型;

而如果一开始就执着于每个算法的数学推导与证明,不仅需要投入大量时间,更关键的是,学习过程中任何一个公式看不懂都可能成为拦路虎,导致整个学习进程中断。
反而应该先实践再深挖。直接写代码能快速建立直观理解,获得正反馈后再研究原理,效率更高。
以上就是本次访谈的全部内容啦~
“Agentic时代同行计划”是希望集结大家的智慧。也许你的一句话会在未来5年、10年点亮另一个人的心,给予他继续前行的力量!
访谈不限主题、不限内容,会有专人进行访编辑并维护~
如果你也想分享自己的经验,欢迎联系助教老师,当下仅针对付费用户开放哦~

为每个人提供最有价值的技术赋能!【公益】大模型技术社区已经上线!
九天&菜菜&菊安酱&木羽老师,30+套原创系统教程,涵盖国内外主流「开&闭源大模型」调用与部署,RAG、Agent、微调实战案例…
所有内容免费公开,还将定期追更最新大模型技术进展~
【大模型社群免费提供】
✅新知速递:重大技术突破&最新技术信息通报;
✅干货分享:每月2-3场硬核干货&技术公开课;
✅20+主流开源&在线大模型部署与调用方法;
✅团队独家自研高品质技术教程;
✅社区交流:活跃技术氛围,技术交流&答疑;
快行动起来吧~
火山引擎开发者社区是火山引擎打造的AI技术生态平台,聚焦Agent与大模型开发,提供豆包系列模型(图像/视频/视觉)、智能分析与会话工具,并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长,新用户可领50万Tokens权益,助力构建智能应用。
更多推荐
所有评论(0)