算法岗校招

大家苦代码手撕久矣，天天刷力扣进去又不常用，更多是作为筛选门槛。最近一位同学实习面试时，面试官给了两个选择：传统算法题，或者用大模型辅助写一个完整的深度搜索框架流程并进行优化解释。这其实反映了两个维度的考察：一是对大模型这类生产工具的熟练度，毕竟实际工作中大家都在用；二是对稍大规模项目的理解和设计能力，这远不是有工具就能做好的事。对于实习岗位，这种考核形式可能更贴近实际。招人进来是为了干活，如果对工具熟练、对项目有理解，确实比单纯会解算法题更重要。但在越来越卷的秋招中，传统的代码考察短期内估计不会消失。在海量候选人里，算法题依然是最高效的硬筛选指标之一。不过长期看，随着AI辅助编程成为标配，面试形式一定会逐步调整——可能更侧重系统设计、代码评审、或是在限定工具下的问题解决能力。未来理想的考察，或许会是“开卷考试”：允许使用任何工具，但要求你在规定时间内给出一个可运行、可解释、且经过优化的解决方案。这更能模拟真实工作场景。我拥有7年大厂算法经验，担任过多次校招社招面试官。如果你在准备面试时对考察形式有疑问，欢迎联系我交流。代码考察 面试趋势

面试算法题卡壳怎么办？在算法面试中遇到难题写不出来，几乎是每个候选人都会经历的事。作为面试官，我想说的是，能否妥善处理这种困境，往往比题目本身更能决定结果。当你思路卡住时首先，千万别沉默。面试官期待看到你的思考过程，而不是一个完美的答案。正确的做法是，主动说出你目前的思路和遇到的阻碍，并尝试寻求提示。比如你可以说：“我初步的想法是用动态规划，但在状态转移上卡住了，您能给我一点方向吗？”面试官给出提示后，你要快速跟进，展示出调试和迭代的能力。这说明你不仅会解题，更具备在实际工作中解决问题的能力。绝对要避免的行为· 完全沉默，不与面试官沟通· 轻易放弃，直接说“我不会”· 抱怨题目太难或不合理一个真实的案例我曾面试过一位同学，他解题速度不快，中间也有停顿。但他全程都在清晰地表达思考：“我打算用哈。。。查找，因为这里可能。。。这个。。。情况我先记下，写完主逻辑再处理”。虽然他最终没写出最简洁的代码，但我看到了他拆解问题、逐步推进的逻辑能力。最后他通过了面试，因为面试官看重的是解决问题的完整思维链条。面试官到底想看到什么· 清晰的解题思路和分析路径· 规范的编码习惯和边界处理· 主动沟通的意愿和协作意识· 在提示下快速调整和迭代的能力写不出最优解很正常，可怕的是没有思考过程。面试是展示你如何解决问题，而不仅是背诵解法。

最近收到不少同学咨询：秋招拿到的offer不满意，想找日常实习又没下文，接下来怎么办？今天聊聊春招的机会和准备策略。春招的机会在哪？春招是补录季，虽然岗位比秋招少，但竞争者也相对减少。尤其算法岗，各大厂在年后的业务调整中会释放新的hc 。当前的风向很明确：大模型、AIGC、多模态相关岗位热度持续，以及部分传统搜推广岗。如果秋招不理想，现在正是关键的调整期。春招看重的不是你投了多少份简历，而是秋招后的成长速度。如何有效准备？1. 深度复盘秋招：回听秋招面试的录音，整理所有面试中被问住的问题，这是你最该查漏补缺的知识点。重点看是基础不牢、项目深度不够，还是代码能力薄弱。2. 刷新项目经历：如果项目太单薄，现在就要行动。针对目标方向做一个完整的项目，比如复现一篇近期顶会论文并做改进。春招时一个高质量项目能直接证明你的学习能力。3. 精准投递策略：不要海投，研究目标公司具体团队的技术栈和业务方向，在简历和面试中主动靠拢。关注在秋招中大量招人、业务稳定的团队，他们春招补录的概率更大。4. 保持手感：每天坚持刷2-3道********，重点是高频题和之前出错的题。算法题是春招的硬门槛，不能生疏。时间虽然紧，但足够进行一次系统性提升。我见过很多同学在秋招后针对性补强，春招拿到了比秋招更好的offer。更多干货内容，请看🐷🍃求职准备 职业规划

经常有同学问我：都说算法岗重实习，可第一份实习到底从哪里找起？作为面试官，今天分享些实用建议。算法面试三大板块：算法知识、项目经历、LeetCode，这三块必须扎实。今天重点说说前两项。算法知识学什么？基础机器学习模型必须掌握：线性模型、树模型和简单的深度学习模型。建议看《互联网大厂推荐算法实战》《深度学习推荐系统》《统计学习方法》吴恩达的机器学习课程，再配合《机器学习》西瓜书巩固理论等。深度学习方面，CNN、RNN和Transformer是重点。推荐李宏毅的深度学习课程，讲解清晰易懂。大模型知识现在越来越重要，至少要了解GPT、BERT等主流模型的基本原理。项目经历从哪来？算法比赛是个好选择，Kaggle、天池都有适合新手的赛事。从入门赛开始，完整走完数据清洗、特征工程、模型训练的全流程，这样的经历在简历上很加分。论文复现也是亮点。找一篇顶会的开源代码，筛选一些热门论文，把代码跑通并做点小改进。这个过程能体现你的工程能力和钻研精神。如果你时间充裕、自制力强，按这个路径学习足够找到不错的实习。学习

最近大模型带火了算法岗，很多同学纠结该选算法还是开发。今天站在中立角度聊聊这两个方向，希望帮你找到最适合自己的路。开发的优势:1.学习氛围好：实验室里大部分同学都走开发方向，遇到问题可以互相交流，信息互通有无。算法学习往往需要独自钻研，这种支持系统对校招很重要2.岗位机会多：开发的招聘名额远多于算法，这是不争的事实3.竞争相对温和：虽然应聘人数多，但竞争者水平参差不齐。只要你踏实学习、认真实习，拿到大厂offer并不需要顶尖天赋4.薪资可观：虽然上限不如算法，但开发岗的SSPoffer性价比很高，且获得难度相对较低5.职业稳定性：开发工作成果更容易量化，只要认真完成需求，绩效通常不会差。算法可能一年都没有明显产出，容易产生焦虑算法的优势:1.薪资更具吸引力：随着大模型风口，算法薪资水涨船高，与开发的差距逐渐拉大2.学习成本较低：不需要深入掌握计算机网络、操作系统等底层知识，对非科班同学更友好3.处于技术风口：大模型热潮带来更多岗位机会，虽然总量仍不及开发，但未来AI领域会持续扩张4.与科研衔接顺畅：研究生期间的算法研究虽然与工业界有差距，但底层逻辑相通，不会浪费三年积累5.工作模式更自由：算法工作重视创新思维，不是靠堆时间就能出成果。而且通常不需要处理线上紧急事故，工作节奏相对稳定选择的关键不是哪个更好，而是哪个更适合你。校招的同学建议有侧重的同时也可多方向投递，毕竟现在竞争比较激烈。更多学习干货请看我主页。开发岗 大厂求职

最近看到大模型方向的高薪offer引发了一些讨论。有人感叹“选择比努力更重要”，认为抓住了风口就改变了一切。作为局中人，我想聊聊我的看法。确实，大模型带来了薪资结构的显著变化。开发岗今年60万可能已近上限，而大模型方向80万以上的包并不少见，部分公司给硕士生的总包甚至超过百万。更值得关注的是，一些高薪候选人并没有顶会论文，仅凭扎实的实习和工程能力就拿到了机会。这似乎印证了“选择决定论”。但我想说，大模型的高薪并非“风口上的猪都能飞”。行业的高回报，是对这群人特定努力和能力的市场定价。首先，这个行业的门槛和竞争强度被严重低估。它不是避风港，而是竞技场。你需要快速跟进日新月异的技术，处理海量数据与复杂工程问题，承受极大的交付压力。很多从业者付出的心血并不比在传统赛道发顶刊少。市场的定价，正是对他们所克服挑战的认可。其次，行业的内部淘汰率非常高。我们只看到头部选手的光鲜，却忽略了大量“卷”不出来的人。他们的处境或许比许多稳定方向的从业者更艰难。幸存者偏差让我们容易得出片面的结论。大模型是当下的重要选择，但它从不是轻松的通途。它更像一个放大器：选择决定了你进入的赛道，而努力与能力决定了你能在其中走多远、留多久。对于个人而言，在正确的方向上持续积累有效的努力，或许才是更实在的答案。我拥有7年大厂算法经验，担任过技术面试官，欢迎交流。

选择一家技术强、口碑好的公司，对你的成长和后续发展至关重要。今天梳理下不同算法方向的头部公司，帮助同学更有针对性地投递。AIGC算法图像与视频生成是当前热点。这个领域的第一梯队包括阿里的通义实验室、阿里妈妈，以及字节的智能创作团队。此外，淘宝、快手的可灵、美图等公司也在AIGC应用上投入很大，有不错的实践场景。多模态算法多模态技术基本被大厂主导。阿里通义实验室、字节、淘天、华为、百度、科大讯飞、商汤等公司都有扎实的布局。选择时建议关注各家的开源项目和实际落地产品。大语言模型LLM领域竞争激烈。以DeepSeek、百度文心、阿里通义、字节豆包为代表的互联网大厂是第一梯队。同时，月之暗面、昆仑万维、智谱AI等专注AI的公司在技术和创新上也有很强的实力。CV与自动驾驶计算机视觉方向，百度、商汤、滴滴、华为等公司有深厚的积累。自动驾驶则更集中在百度、滴滴、华为及各大车企的智能驾驶部门。选择公司时，不仅要看技术实力，还要结合业务前景和团队氛围。有时候，一个正在快速成长的业务，比一个已经成熟的方向更能给人成长空间。更多干货请看我🐷页AIGC

大模型/算法工程师｜AIGC 视频生成｜ 图像进阶指导｜面试指导｜简历优化｜暑期实习辅导针对算法岗/大模型、预训练/数据挖掘分析/AIGC 视频生成、图像进阶/NLP方向/大模型应用开发/MLLM/LLM等提供简历优化/面试辅导/模拟面试/知识梳理等服务，提升结构性及内容深度【关于我】本硕985计算机科班，资深算法工程师，拥有7年算法岗经验，包括推荐算法/视频生成/图像/NLP、MLLM、LLM方向/智能问答/意图识别等。多年技术面试官经验，社招、校招和实习都可，熟悉算法相关岗位招聘需求及面试重点。【服务内容】·简历修改/简历优化·职业规划/就业指导·模拟面试/面试提升·简历口稿撰写【方式】·腾讯或钉钉会议视频方式·工作日晚9点半后及周末

对于想进大厂的算法同学，一段实习经历几乎已成刚需。但现实常是：老师不放人，自己也不敢走。今天分享些真实的应对思路，希望能帮你打破困局。1、明确你的核心任务首先想清楚一件事：读研的核心目标是什么？对多数人而言，是顺利毕业并找到一份好工作。老师的项目能帮你毕业，但一份大厂实习才能帮你拿到心仪offer。两手都要抓，但精力分配上需要智慧。2、关于老师不让实习很多同学研一听到“不让实习”就放弃准备了，这很可惜。研一就需要开始找实习，最后一段实习能有半年以上经验，像我之前研究生有两段实习，一段干了一年，一段整整干了快两年，做的都是核心项目，非打杂。另导师不放人的原因很多，但关键在于沟通方式和你的前期铺垫。一种有效策略是“展现有限的科研能力”，读研时我发现，适度平庸反而是种保护。3、判断毕业风险首先评估导师的过往记录。如果他确实有卡毕业的历史，趁早考虑换导师或调整策略。如果他只是嘴上严厉但从不实际阻拦，那你需要的是更巧妙的安排。绝大多数导师也希望学生按时毕业，因为延毕会影响他的招生。4、解决异地实习难题如果你学校在二三线城市，但实习机会在一线城市，跨城实习是个现实选择。算法岗实习薪资基本打底300，通常能覆盖房租通勤成本，周五晚回校、周日再出发的模式完全可行。互联网行业的特性决定了，想拿到高薪offer，前期付出是必然的。这种奔波确实辛苦，但把它看作一种对未来的投资，心态会平衡很多。实习不仅是履历上的几行字，更是你理解业务、接触真实问题的窗口。很多人就是通过实习明确了职业方向，并在秋招中拿到远超预期的offer。更多干货请看主页。研究生规划 面试准备

秋招告一段落，有的同学手握多个offer，有的却结果不尽人意。无论如何，春招都是一次不可错过的关键机会。今天结合我的观察，聊聊接下来的春招形势和备战重点。虽然春招整体岗位规模不如秋招，但同样有大量同学通过春招上岸。关键在于，竞争人数相对减少，而年底业务调整、秋招同学毁约等因素，都会在春季释放出新的HC。对于那些秋招准备不足或方向有偏差的同学，这绝对是扭转局势的最佳窗口。春招的窗口期非常集中，3月至4月是绝对的高峰，部分公司会延续到5月。原则就是：越早投递越好，因为岗位招满即止。这意味着你的所有准备，包括简历，必须在过年前后期间全部就绪。春招发力的四个核心1. 方向选择大于盲目努力：当前大模型应用、多模态、AIGC等仍是热点，可以重点评估。2. 简历：很多同学的问题不在于没经历，而在于不会提炼和表达，让亮点被淹没。简历必须与目标岗位高度匹配。3. 代码能力。4. 系统性面试准备：针对目标岗位的面试流程（技术面、项目深挖、HR面）进行全真模拟和查漏补缺。复盘秋招中被问倒的问题，进行专题突破。更多好干货信息，可看我主页。

个人自己评价为菜的没边了，打算接下来一个月继续打磨简历，复习八股，做一个更扎实的项目把rag项目换掉，由于实在没什么可写的东西只能把一些无关的奖项搬上来充数，放一个简历的初步草稿，各位佬也可以提提建议，主要想去有llm结合的业务岗位，大佬们可以开始狂喷了，十分感谢指导

今早华为面试题一般啦😀 直接手撕coding(可指导) 这几天美团 饿了么 京东 小米等笔试来袭 遇到困难的牛友都可以找我辅导哈 包吃面🍜

鼠鼠 bg 2本深圳某双非硕，有过大模型研究经历，主要研究方向是 GNN， 暑期实习的时候一直投的开发，被鹅厂边缘部门捞了，当时说的是做 ai 应用，偏算法一点，想着挺贴合风口的，而且自认为水平一般，感觉能去鹅厂实习是个不错的经历，并且觉得可以包装简历，对投开发说不定有帮助，而且可以冲刺转正。这几天实习结束，实习内容主要是微调大模型，解决业务问题，业务是 ai 翻译方面，主要是 lora 微调，sft，rag，prompt 优化，强化学习 dpo.grpo 等等，工作内容大部分是在清洗数据，微调模型，调研优化方案，有一点点开发内容，但比较简单，没有涉及到性能优化多线程这样的。现在非常焦虑秋招是投算法还是开发，算法的担心是学历不够，也没有论文，然后我自己也不太想搞算法，因为一直提指标感觉很焦虑，优势是实习比较匹配，开发的担心是实习经历可能用不上，而且之前的项目和八股都忘了需要花时间捡起来，现在这个点了还没投秋招就很焦虑，想包装成 ai 应用开发但无从下手，希望大佬给点建议

大厂笔面小灵通🌱对前N场考试有感而发😭：收到邮件知道🉑以用AI答题 对于一般人来说肯定会觉得🈶AI 之前自己做不会的不就直接秒了，肯定是高分过。聪明人就知道这次变革一点儿都不友好 不仅要知道如何训练AI 肯定考题也会加入一些大数据模型。总的来说就是你虽然有了辅助工具 但是这是选拔，题只会越来越难，才能拉开差距  (辅导版)。大厂笔面遇到困难的宝子🉑dd。

2 硕 鼠鼠1. 中通 算法工程师base 上海总部，n×13基本不加班（6 点左右下班） 双休，这个岗位应该是属于管培生性质的，但只在 IT 部门轮岗2. 汇川  通用研发  数字化部 算法开发工程师base 南京  n×（0～6），hr 说大部分在 3。每周可能加班 3 天到八点半，双休这两个哪个对未来发展好一些呀？

bg中下9，本校保研就业导向的读研，想要进大模型应用岗，综合网上的信息，这方面的算法岗好像不是很卡论文。导师选择方向：1.比较放养的导师（非llm方向），基本研二一整年都可以实习，是博士师兄带着写毕业要求的论文，进度快的话甚至研一下就可以实习2.比较push的导师（llm方向），研二下放实习，但是去年该组的大部分学生走的开发（前年大部分是算法）选择1的话我可能现在就着手准备llm相关的学习，然后尽早去刷实习选择2的话就可能卷论文，可能到研二下直接找暑期实习这样想知道选哪个的导师可能更好呢？目前中大厂的大模型应用岗：实习，论文更看哪部分呢？恳请各位佬给给意见

👋个人背景：2本9硕，2实习无论文👏offer1：字节tt推荐大模型，base上海，主要是短视频推荐，主端信息流冷启动方向，面试官说主要在探索生成式推荐，强度早九点半晚九点半，toc业务;💯offer2：阿里云瓴羊，暑期实习转正，base杭州，岗位是大模型算法，主要方向是智能客服，RAG，agent等，但我应该是主做rag，强度早十晚九，tob业务;两家给的十分接近，字节业务貌似更好，但以前没接触过推荐，阿里云组内更熟悉，不用担心landing或者试用期不过，但是商业化团队技术感觉不强