AI 算法工程师简历:论文、竞赛、开源、业务落地怎么排优先级

一份算法岗简历上通常有四样东西:论文、竞赛、开源、业务落地。多数人四样都有,卡住的地方不是哪一样写不出来,是不知道谁排前面。

排错的代价很具体。面试官读前两屏就在心里给你定了型:一个做推荐的业务组,读到开头三行是三篇顶会论文,第一反应是「这人想去研究院」;一个 AI Lab 读到开头是「线上点击率提升 5%」,第一反应是「这人不做研究」。两边都不觉得你差,但你都不是他们要找的那个人。

四类材料各自在证明什么

它们不构成含金量排序,它们证明的是不同的东西。

• 论文证明你能定义一个还没有标准答案的问题,并把它做到可复现、经得起同行检验。
• 竞赛证明在指标、数据、时限都被固定死的条件下,你的调优效率有多高。
• 开源是四类里唯一一类对方能当场自己去验证的:你的代码别人读不读得懂、跑不跑得起来、接手了维护得动维护不动。
• 业务落地证明你能在互相冲突的约束里做取舍。延迟、成本、样本、上下游、灰度节奏,这几样平时是互相打架的。

所以排序不取决于哪一类更值钱,取决于对面想验证哪一条。

先判断目标团队是哪条线

分三条线看。

研究型是研究院、Lab、有论文产出考核的组,招你是为了推进还没被解决的问题。应用型是业务线上的算法岗,推荐、搜索、风控、内容安全、CV 落地都算,招你是为了让线上指标动。平台型是训练与推理基础设施、特征平台、模型工程,招你是为了让别人的模型跑得更快更稳。

怎么判断对面是哪条?看岗位描述里的动词。出现「研究」「探索」「发表」「前沿」的是第一条;出现「优化线上指标」「AB 实验」「效果提升」的是第二条;出现「吞吐」「延迟」「稳定性」「支撑」的是第三条。团队名字也是线索,研究院、业务部、架构中台,指向不一样。

三种动词都出现是很常见的情况,这时候看出场顺序,第一段里的动词才是真正的重心。拿不准某个方向平时在做什么,可以先翻AI 深度学习算法工程师的职业百科页对一下岗位职责的口径。

论文:写全还是只留一行

写全的条件有两个,满足一个就行:目标岗位是研究型,或者你的论文方向和岗位方向同域。

写全的时候,每条要有三样。作者位次要写清楚,一作、共一、学生一作是三回事,含糊过去反而会被追问。发表载体和年份。还有一句话说清你解决了什么,这句话不是摘要,是「原来的方法在什么情况下不行,你换了什么」。

引用数没把握就别写。不同子方向的基线差得很远,写出来等于主动递给对方一把和你无关的尺子。在投、在审、已录用是三种不同状态,分开写,这一栏会被查。

只留一行的情况是应用型和平台型岗位,或者论文方向和岗位无关。一行长这样:方向 + 篇数 + 一作篇数 + 最高载体。放在教育经历后面,或者并进荣誉栏,不单独开一节。

有个判断可以直接用:如果论文和目标岗位无关,写满五条不会让你显得更强,只会让读者觉得你还没想清楚要做什么。

竞赛:名次是入场券,后面那句话才是内容

只写名次,信息量接近零。第三名和第八名在面试官那里没有实质差别,差别在你写没写「怎么拿到的」。

三件必写。

一是赛题难在哪:数据规模、标注噪声、评价指标是什么、榜单头部的分差有多小。分差最有用,它直接决定你那个名次的含金量。

二是关键决策:哪一步带来了主要提升。写「用了 Transformer」没有信息量,写「发现长尾类别占了错误的大半,改成重采样加难例回流」才有。

三是你在队里做了什么:队伍几个人,你负责哪一块。团队赛不写分工,读者会往低了猜。

还有一句话最能把你和「只会刷榜」区分开:哪些做法能上线,哪些不能。多模型融合刷榜有效,推理耗时翻几倍就上不了线,你写出这个判断,对面就知道你有生产视角。

下面这组是示范句式,数字为构造:

竞赛该放哪一栏,取决于你还有没有别的东西。站内AI 深度学习算法工程师的简历范例把竞赛压在荣誉栏里,只有一行,因为它的主线是三个业务落地项目,竞赛只需要做个背书。如果你是校招、手上还没有落地经历,竞赛就该从荣誉栏挪出来,按项目的规格展开写。

开源:简历正文里写什么

一个开源项目值得进简历正文的就那么几样:它解决什么问题、你的角色(作者、主要贡献者、还是提过几个被合并的 PR)、一个对方能验证的信号。信号可以是被谁在用、有哪些下游依赖、你合并的 PR 数。star 数可以写,但它和代码质量的关系比大多数人以为的弱。

不要放空仓库、课程作业的 fork、只有 README 的项目。对方会点开,而且点开只要三秒。

链接本身怎么放,放哪一栏、一个还是一组、落地页上写什么,是另一个话题。作品集链接怎么放才不被当成噪音那篇专门讲这个,规则对算法岗同样适用。

顺带一件事:PDF 里的链接和正文文字一样,都存在文本层里。中文简历的文本层有一种很隐蔽的坏法,人眼完全看不出来,自查只要两秒钟,方法在简历 PDF 文本层的那篇里。

业务落地:算法指标和业务指标不是一回事

这是四类里最容易写砸的,写砸的方式还很统一:只报一层指标。

只写算法指标,AUC、Recall@K、mAP 涨了多少,读者判断不了这次工作有没有价值,离线涨点最后没上线的项目太多了。只写业务指标,比如「点击率提升 5%」,读者判断不了这里面有多少是你的,业务指标是全链路的结果。

写法是三段:约束、你的动作、两层指标,再加一句验证方式。

站内那份范例里的召回项目正好是这个骨架。先写原有单路召回多样性不足、长尾内容曝光偏低,这是约束;再写双塔模型加向量检索,这是动作;然后 Recall@200 和线上点击率两层指标都给了,并注明是 A/B 实验的结果。这个结构可以直接套到你自己的项目上。

三个常见错误:

1. 只有离线指标,不说有没有上线。读者会默认没上。
2. 业务指标不写口径。涨 5% 是相对还是绝对、哪部分流量、观察了多久、有没有同期对照。缺口径的百分比在面试里一问就穿。
3. 把团队的结果写成个人的。面试官几乎一定会问「这 5% 里你那部分是多少」。与其被问,不如自己先划清楚:你负责召回侧就写召回侧的指标,业务指标当上下文提一句。

绝对值不让写的情况(不少公司有这个规定)用相对值和量级,并在旁边说明为什么用相对值。主动说明比含糊带过可信得多。

三条线各自的排序模板

个人总结的前两行也要跟着换。研究型写你的问题方向,应用型写你让哪一类线上指标动过,平台型写你支撑的规模和稳定性口径。

三条线共用一份主简历就够了,改的是前两屏和顺序,不用维护三份内容完全不同的版本。

打开你现在这份简历,遮住第一屏往下的所有内容,只看最上面那一屏。问自己一句:一个只读到这里的面试官,会把你归到哪条线?如果答案和你要投的岗位对不上,先别重写内容,把顺序调过来再读一遍。