虽然岗位JD一般看起来都挺宏大的，但真实的实习日常其实更多是琐碎和重复的工作。这些基础工作，可能也能够帮助新人更好地理解了AI产品的底层逻辑。最近看到很多同学求职都想往AI方向走，今天就来聊聊我的AI产品实习生的日常在干什么，欢迎对照参考模型评测：最容易上手的工作✔ 外部模型评测：每当 OpenAI、Google、字节等头部公司发布新模型，我们团队会安排实习生对这些模型做初步评估✔ 内部模型评测：对自研模型的版本迭代，评测会更细致（比如对特定能力做细粒度拆解）🧠 这部分工作虽然“体力活”居多，但非常适合快速熟悉大模型能力的边界，是入门AI产品的第一课AI产品体验&调研在这项工作里，我们往往要求实习生输出文档/分析表格。我安排调研过的方向有：AI agent相关的产品：如AI搜索的perplexity、秘塔；浏览器产品genspark等等AI陪伴：如星野、猫箱、EVE等，看它们最近的新功能（比如对话记忆、人格设定），还会看用户舆论反馈、App Store/小红书/微博评论等产品调研最后往往要落成一个文档，重点在于：总结共性+提炼启发+对自家产品的参考建议数据标注模型训练需要高质量数据，很多时候你会参与一些小规模的数据标注工作：比如标注用户query的意图分类、判断一段模型生成内容是否符合prompt要求。和算法同学一起协作，有时候也需要你写清楚标注规范、整理excel表格。虽然量不大，但数据质量直接决定了模型效果，所以这其实是很锻炼细心和产品sense的工作。Prompt 工程实践：AI产品核心技能之一现在越来越多AI产品都依赖prompt来驱动智能逻辑，实习生常被分配去写一些具体模块：比如一个AI伴侣产品需要实现“早安问候”，你需要写prompt让模型根据不同用户状态生成不同风格的问候语。写完还需要配合做A/B评测、准备评测集，看不同prompt方案下效果是否稳定、是否可控。总结一下：我的AI实习生们日常大概率会围绕这四件事展开：模型评测 → 产品调研 → 数据标注 → Prompt调优它不像传统产品那样做完整PRD/功能落地，而是更多和模型能力深度绑定。

1.你是哪里人，来这方便吗？（稳定性提问）2.你为什么选择人力方向？对哪个模块兴趣大？3.既然不从事本专业的方向，那么为什么会选择这个专业。4.在职期间你涉及到的招聘岗位都有哪些？5.你涉及到的招聘渠道和招聘网站有哪些？6.你的数据分析能力怎么样？举例子说明下7.你队于实习地点是怎么考虑的？8.你对于TCL的了解有多少？9.你希望在这段实习中学到什么？10.你遇到不会的会怎么做？习惯自己决定还是询问他人？

非常有挑战性且开放的一次面试，无八股无手撕1. 假如让你从零构建一个 vla 模型 你对他的架构的设计是怎么样的？为什么2. 假如让你写一篇 vla+rl 的 综述，你会怎么写3. 你怎么看 vla 大模型 和 世界模型两条 具身智能的技术路线4. 你对vla模型的改进有哪些？5. 你认为从长远来看 vla 可以有哪些工作可以做来克服具身智能的挑战。

求大佬帮看一下，怎么改简历呀大学4年水过来的，上个学期开始自学python，现在要出去找数据分析相关实习有遇到情景面试题怎么准备啊求大佬指点一下