本文分享了作者在一个月内面试8家大模型相关公司的经历和感悟包括智谱、京东、MiniMax、蚂蚁、字节、算秩未来、腾讯和千问等。作者通过自身经历详细描述了每家公司的面试流程、面试官关注点以及面试体验并强调了面试准备的重要性如深入研究论文、进行系统级实现、刷题等。文章最后总结了实习的核心价值即积攒人脉和体验大厂氛围。作者丁师兄专注于智能驾驶大模型提供LLM面试干货和大模型1v1辅导帮助学员成功获得心仪的Offer。1、智谱 GLM最先面试的就是智谱。说起来也是跟智谱有点缘分因为听说 GLM 4.7 快出来了当天还在考虑要不要买一个智谱 GLM 的 lite coding plan 套餐试试水而智谱的 HR 正好看到我的知乎联系了我于是光速就开始了面试。由于是这段时间的第一场面试记忆还是比较深刻的。面试过程主要还是围绕我的 ICLR 2025 PEARL 展开的。智谱的 L 面试官展现的专业度很高连提了好几个我没想到面试官会问的问题也让我意识到我平常做的 research 的重心和真正生产级应用所需要的东西是存在显著 gap 的。其实这里我自己认为很加分的是围绕 PEARL 这个工作我后续做了一个更进一步的系统级实现 nano-PEARLDT分离与并行投机解码的框架级实现。https://zhuanlan.zhihu.com/p/1968679023782655324在讲述 PEARL 时面试官产生许多问题都被这份实现堵上了嘴比如并行的真正解法是节点级 DT 分离比如并行投机解码在高 batch 下的优势等等。印象深刻的是智谱的面试官对我很满意第一次遇到面试官给我写了小作文诚意满满真诚地希望我能加入非常感动。但我一开始就把本段实习 target 在给简历镀金以及为秋招背书所以我还是希望能去到 BAT 一家的核心推理业务产出 paper最好是能够拿到人才计划的 title遂拒绝了智谱。2、京东 JD YOUNG第二个面试的是京东。其实我一开始都没想过要投京东的面试但小红书收到了京东一位面试官的邀请并表示京东也有对应的人才计划于是就跟京东约了时间。京东在面试流程的推进上非常迅速差不多一周的时间就完成了一面二面和 HR 面。具体的面试内容方面首先是一如既往的拷打 paper。这方面我比较印象深刻的是京东已经在做投机解码相关方面的研究且与我的研究有不小的联系。然后对方面试官看起来也对我很满意在跟我畅聊来了之后未来可以做哪些方面的工作等等。但 HR 面之后才得知——实习生是没有人才计划的以及感觉京东的 HR 面试官给我一种 aggressive的感觉遂拒绝了京东。3、MiniMaxMiniMax 是我很喜欢的一家公司他们家还有 9.9 的 coding plan 时我就已经激情下单并配合做一些简单的工作后面也受邀抢先体验了一波 MiniMax M2.1。因此我也是主动投递了 MiniMax 官网的 top talent 岗位一开始还一直没有反馈我后面主动去找到 MiniMax 的联系方式才启动了面试。面试内容方面MiniMax 的面试官相对感觉没有那么专业问的问题以及和我的交流没有那么深入可能他们本身也没有特别关注投机解码。印象深刻的是MiniMax 的面试官让我做了 coding 题目。对于一个多年不刷力扣的科班出身的学生做不出来 coding 题目也太丢人了在面试官的提醒下做出来了。最后面完之后MiniMax 确实给到了我 top talent但实习薪资低于我的预期遂拒绝 MiniMax。4、蚂蚁其实如果不出意外我一开始是打定主意去蚂蚁的但大家都懂的这样说肯定就是出意外了。最开始接触蚂蚁是和蚂蚁 theta 推理团队的一位大佬开会讨论了 PEARL 这篇工作以及后续的发展包括我准备做的 PEARL-2 的原型对方听了之后对我也很满意也在帮我推动实习争取蚂蚁星的 title。但意外发生了不知道是蚂蚁内部团队在变动还是什么原因我的一面是 12.31二面是 1.19整整间隔了 3 个多星期…有同学懂那种感觉吗我就像哀怨的小媳妇一样一直等一直催直到我写这篇知乎的这天我才面完蚂蚁的三面后面应该还有 HR 面但我也早已确定了去向实在是等不起啊。面试内容方面蚂蚁的几位面试官都非常的专业问了我一些很深入的问题比如对于 eagle/mtp 的单层 draft model 来说TP 开多少比较合适对于这种复用 target feature 的工作怎么和 PEARL 结合做并行PEARL 的进一步发展如何评价 PEARL 解决的问题重要程度等等。这里插一句不知道大家有没有看过最新的 DFlash 那篇 paper好几个面试官都问了对这篇工作的看法。印象深刻的是三面面试官跟我讨论了对开源社区 sglang 和 vllm 这种推理引擎的看法。从这位面试官身上学到了很多东西尤其是对开源的角度以及必要性research 和 industry 之间的 balance 等等。抛开内部原因我觉得和蚂蚁真的挺契合的可惜时间上实在是太慢了意难平。6、字节 Seed作为国内实习的尽头含金量中的含金量字节 Seed 我肯定也会尝试去投。但乌龙的是第一下就被 top seed 简历挂了…哭好像是至少要有 3A不过字节的尿性懂得都懂我很快就被另外一个 Seed 组捞起来面试了。这次面试的应该是字节的语音组. 他们会更关注 EAGLE 和 MTP 等现有框架更兼容的投机解码范式。于是在介绍完自己的工作之后我着重给面试官分析了 EAGLE/MTP 这些范式目前的局限性以及进一步改进的方案等。但遗憾的是最终被字节三面的技术 leader 挂了具体原因也一直没说不过三面聊的确实不是很好感觉和面试官的沟通上存在分歧可能还是性格不够契合吧。6、算秩未来算秩未来这家公司的出名度确实不咋高我也是机缘巧合之下才了解了这家公司并且被内推参加了面试。总体面下来的感觉是专业。算秩的面试官在面试时会首先介绍面试的节奏安排并且在我介绍自己的工作时点头表示认可和我的探讨也很深入。算秩的 HR 小姐姐也透露着专业气息表达能力、组织能力、情商都很高。整体上也都对我很认可算秩也给到了我满意的实习薪资我心动了好一段时间才拒绝了算秩。没办法从秋招的角度来说一段大厂 title 核心业务的实习的重要性非常高。后面秋招和正式工作时应该会重新投递算秩未来。7、腾讯混元梦开始的地方主播第一段实习的地方犹记得在深圳的鹅厂每天下午健身完吃上一份清淡的麻辣烫水煮菜晚上跟 mentor 约上一个会议室讨论 medusa 的 tree decoding时至今日仍觉美好。因此这次实习毫无疑问还是投递了腾讯。但其实这里也有和蚂蚁一样的困境我非常早就投递了腾讯但直到 1.8 才开始了第一轮面试。我想如果一开始就早早面试或许我就直接去了腾讯回归面试内容。一面面试官居然有两位一开始是一位女生在提问我 paper 里的问题可能是觉得时间紧张后面换了一位更专业的面试官提问一些更深入的问题。二面是跟 gh 哥的聊天感觉主要还是在交流去了之后可以做的事情。印象最深刻的还是 HR 小姐姐活人感非常强的女生得知我被拖了很久希望尽快入职之后也帮我快速地推进流程非常非常迅速。最后还是考虑到去千问的话是两段不同的大厂实习以及可以通过实习体验阿里系的氛围才选择了千问 c 端。8、千问 c 端千问 c 端其实就是原夸克最近被整合为千问 c 端事业群近期很火的千问 APP 就是他们做的。说起来一开始我也没想到投千问 c 端还是宇豪 沐风rs 帮我内推进去的。整体聊下来感觉千问 c 端的面试官都非常懂 spec这是最吸引我的一个点。一面二面三面面试官都很懂技术我相信去了之后也肯定能做出来一些新的工作尤其是三面面试官给我的感觉非常 nice。身为一个大部门的负责人不仅可以以宏观的视角去统筹整个 Infra还可以跟我讨论我 paper 的细节甚至在我没展开描述的情况下就指出 PEARL 的 post-verify 其实可以包含一次额外的 pre-verify 这一细节我大为震撼。其实最后就是在千问 c 端和腾讯混元之间纠结。纠结了很久之后最终选择了千问 c 端。促使我下定决心的还是之前跟蛋聊的——我觉得一段实习最核心的价值是积攒人脉以及可以以很低的试错成本去体验大厂氛围。结语在学校面试的这一个月感觉过得非常快也因为几乎没做科研而感到焦虑但现在即将入职反而对未来的工作开始焦虑不知道能否胜任不知道能否做出自己满意的工作。接近年底预祝大家新年快乐万事顺心最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】