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-PEARL：DT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、MiniMax

MiniMax 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】