AI 算法工程师简历怎么写：量化指标 / 论文 / 中英双版同步维护

Q: AI 算法工程师简历应该几页？

应届生 1 页，3 年内 1-1.5 页，5 年以上最多 2 页。AI 岗 HR 平均阅读时间 < 30 秒——多页不会让你被记住，反而稀释关键信息。取舍优先级：(1) 当前岗位最相关的 1-2 段经历充分展开（4-6 条 highlights）；(2) 早期实习压缩成 1 行；(3) 论文只列 venue + 一作/共同，不放 abstract；(4) 教育板块 3 年以上工作只留 1 行；(5) 兴趣爱好整段砍掉。反例：3 年工作经历写 3 页 → 招聘方判断你不会取舍；正例：Anthropic / OpenAI 工程师公开简历多数控制在 1.5 页内。

Q: 没量化数据的工作经历怎么办？

先回想"对比 baseline"——任何工作都有"做之前 → 做之后"的对比，哪怕没有公开数据，也能写"内部 benchmark"。3 个抢救方向：(1) 时间维度：从 2 周缩短到 3 天 / 季度交付频率 +2 倍；(2) 规模维度：服务用户量、QPS、tokens 处理量、GPU 数；(3) 质量维度：bug 数下降、复现率、稳定性指标。最差也要写"团队 / 项目维度"：带过几人、影响哪些团队、覆盖哪些产品线。避免：(1) 用"显著提升"、"大幅优化"等模糊词；(2) 只写"做了什么"不写"达到什么"；(3) 时间跨度模糊（写"很长时间内"）。实战：写完后自检每条 highlight，里面应该有至少一个具体数字。

Q: 论文一作 / 共同一作 / 二作差距多大？

研究岗一作 >> 共同一作 > 二作 >> 其他。一作是研究主导者，权重最高；共同一作通常前两位贡献相当（顶会标星号 *），多数招聘方按一作算；二作贡献明显次于一作，但仍是核心成员；三作及以后对应届生还能算亮点，对资深岗几乎不加分。写法规范：(1) 标注顺序：Z. Lin*, Y. Wang*, ... 共同一作；Z. Lin, ... 一作；(2) 必标 venue（ACL 2023 (Oral) 比 ACL 2023 强）；(3) 工业界岗位只列顶会（NeurIPS / ICML / ICLR / ACL / EMNLP / NAACL / CVPR / ICCV / ECCV），workshop 论文除非是 best paper 否则别列。反例：列 7-8 篇 workshop 论文 → 显得没有实打实成果。

Q: 开源项目要写 stars 数吗？

> 500 stars 写，< 100 不写。写法：(1) 项目名 + 一句话说明 + URL；(2) 量化：stars / 下载量 / 月活 / 贡献者数；(3) 技术亮点：行数 / 模型规模 / 性能数据。反例：列 5 个个人 demo 项目，每个 < 50 stars——会被看作"练手作业"。特例：(1) 内部项目无 stars 但真实有用户量——写公司内部用户数 / 接入业务线数；(2) 早期参与的大型开源项目（contributor 角色）——写"Top 10% contributor of XXX"。注意：HR 会真的去 GitHub 验证，stars 数量、贡献时间线都看，别虚标。

Q: GPA 写不写？多少算优秀？

应届 / 实习生几乎必写，3 年以上工作经验可省略。GPA 阈值：(1) > 3.8/4.0 或 > 90/100，必写；(2) 3.5-3.8 看专业排名是否亮眼，加上"专业前 10%"更稳；(3) < 3.5，不写——HR 心理预期 GPA 写出来就是亮眼，平庸数字反而扣分。形式规范：GPA 3.92/4.00, 专业前 3%——分母必带、排名加分。特殊学校：清华 / 北大 / 复旦 / 上交 / Stanford / MIT / CMU / Berkeley → 即使 3.5 也建议写出 GPA + 专业，校名加成抵消平庸数字。反例：写 GPA 3.6/4 但没写排名——HR 印象"中等偏上"，无加成；写 GPA 3.6/4, top 5%——印象"优秀生"。

Q: 中文简历能用 "Last updated in Apr 2026" 这种英文吗？

可以，但要保持一致。中文简历允许英文夹杂的几种场景：(1) 公司 / 产品名（Anthropic、Doubao）；(2) 技术栈名词（PyTorch、CUDA）；(3) 学位简写（PhD、MS、BS）；(4) 论文标题、会议名（NeurIPS / ACL）。不该出现的英文：完整句式（用中文表达更顺），日常名词（电话、地点）。Last updated 这类元信息——属于"国际化标签"，中文圈普遍接受，英文版无需翻译为"最后更新于"。判断标准：HR 一秒钟能读懂、不破坏视觉节奏，就 OK。雷区：中英混排不要用 English (中文) 这种括号注解，看起来啰嗦。

Q: 导师是领域大牛要不要写名字？

学术 / 研究岗写，工业界看公司。学术岗（PhD 申请、研究院招聘）——必写，导师 H-index 直接背书；工业界研究岗（Anthropic / FAIR / Google Brain）——值得写，行业内大家相互认识；工业界产品岗——可写可不写，HR 不一定知道你导师是谁。写法：导师方向：xxx；指导教授：Christopher Manning。陷阱：(1) 大牛多带学生，HR 可能背调时联系导师——确保你和导师关系良好；(2) 写完导师名一定要在简历里有与导师方向匹配的论文，否则反而显得"挂名学生"。反例：写"师从 Yann LeCun"但论文方向跟 LeCun 完全无关——尴尬。

Q: 中英双版简历用什么工具维护最省心？

YAML + git 是开发岗的最优解。痛点：用 Word 维护两份，改一处忘了同步另一份，最后两份内容偏差大。YAML 方案：(1) 一份 resume.zh.yaml + 一份 resume.en.yaml，字段结构一致，只内容不同；(2) git 跟踪改动 → 任何一边改了，diff 一眼看出该同步什么；(3) 工具同时支持两份，渲染时自动用对应语言的 section title。注意点：(1) 日期格式：中文 2024.03 - 至今 / 英文 Mar 2024 – Present；(2) 电话：中文 +86 138 0013 8000 / 英文 +86 138 0013 8000 一致；(3) 地点：上海 vs Shanghai, China；(4) 公司：用通用名（Anthropic 不翻译）。实务：每次更新两份同步改，不要"先改中文等以后再英文"——99% 概率忘了。

2026-04-30 · 约 5 分钟 📋 简历生成器

AI / 算法工程师的简历比一般工程师更”高密度信息密度”——一句话里要塞下模型规模、训练吞吐、对比 baseline 的数字。HR 30 秒读不完会被淘汰，写得好的简历每句都有数字、每个项目都有 venue、每段经历都对应一个能 follow-up 的具体技术细节。

这篇讲 5 件事：(1) 量化指标怎么写、(2) 论文与开源项目怎么呈现、(3) 教育板块的取舍、(4) 中英双版怎么用 YAML 同步、(5) 输出 PDF 的 ATS 兼容性。

量化指标的”4 个维度”

模糊 vs 量化，HR 阅读体验天差地别：

模糊写法（差）	量化写法（好）
优化了模型推理速度	推理吞吐 +35%（38% → 51% MFU on 8K H100 集群）
主导大模型训练项目	主导 100B 参数 MoE 端到端训练，crash rate 60% → 24%，恢复时间 4h → 25min
参与数据 pipeline 工作	设计去污染 + 去重三阶段，处理 4T+ tokens 中文语料，下游任务 +4.2 pp on MMLU
与团队协同发布产品	带 4 人小组负责数据 pipeline，主笔季度 OKR，模型上线 Doubao 1.5 主对话版本
推动技术指标提升	落地 DPO + 拒绝采样，winrate 较 SFT baseline +18 pp（人评 3000 条）

每条 highlight 至少包含一个数字，最好包含 4 个维度中的 2-3 个：

时间维度：训练时长 / 收敛步数 / latency / 周期
规模维度：模型大小 / GPU 数 / tokens 量 / QPS / DAU
质量维度：精度 / 召回 / winrate / 稳定性
影响维度：上线产品 / 业务线接入 / 团队规模

写完每条 highlight 自检：里面有具体数字吗？跟 baseline 比较了吗？说清楚归因了吗？

论文 / 出版物的写法

列哪些

工业界岗位只列顶会：

NLP：ACL / EMNLP / NAACL / TACL / COLING（前 4 个权重高）
ML：NeurIPS / ICML / ICLR / AAAI（前 3 顶刊水平）
CV：CVPR / ICCV / ECCV / TPAMI
AI 综合：JMLR / Nature MI / Science Robotics

Workshop 论文除非 best paper，否则别列——会显得”上不了主会”。

怎么写

固定结构：

publications:
  - title: "Curriculum-aware Data Mixing Improves Pretrained Language Models"
    venue: ACL 2023 (Oral)
    authors: Z. Lin*, Y. Wang*, ...
    year: 2023

排版上：

粗体标题：让 HR 一眼看到主题
斜体 venue：会议规模 + 年份 + 是否 oral / spotlight
共同一作星号：* 通用约定，不用解释
不要写完整 author list，写 Z. Lin*, ... 即可

一作 / 共同 / 二作的权重

一作：研究主导，简历价值 100%
共同一作：≈ 一作的 70-90%（看 venue + 排序）
二作：≈ 一作的 30-40%
三作及后：对应届有用，资深岗忽略

资深岗（5 年以上）只放 2-3 篇最高质量的，旧论文该砍就砍。

开源项目的呈现

判断标准：项目对外有”可验证的影响力”。

Stars 区间	处理
> 1k	重点写，含 stars 数、月活、贡献者数
500-1k	简要列出，含 stars 数
100-500	看相关性，跟岗位强相关才写
< 100	不写，或合并到一句”个人项目托管于 GitHub”

写法范例：

projects:
  - name: nano-llm — 极简 LLM 训练框架
    url: https://github.com/linzixuan/nano-llm
    start: 2023-08
    end: 至今
    highlights:
      - 600 行 Python 实现 7B 模型完整训练流程（数据 / FSDP / activation checkpointing / 混合精度）
      - 5.2k stars，被收录于 awesome-llm，社区贡献者 38 人，月均 PR 12 个

避免：

列 5 个 < 50 stars 的玩具项目，HR 会判断”练手作业”
列已经停更两年的旧项目（git log 一查就露馅）
不写 URL（HR 没法验证 = 等于没写）

教育板块的”经验阶段”取舍

经验阶段	教育写法
应届 / 实习	完整：学校 / 学位 / 专业 / 起止 / GPA / 主修课 / 导师 / 论文
1-3 年	完整 - 主修课
3-5 年	学校 / 学位 / 专业 / 起止 / GPA（仅 > 3.8）
5-10 年	学校 / 学位 / 起止（一行搞定）
10 年以上	一行：学校 / 学位（年份可省）

GPA 阈值：

> 3.8 / 4.0 必写，加分项
3.5-3.8 看专业排名能否补齐——GPA 3.6/4, 专业前 10% 比孤零零的 GPA 3.6/4 强很多
< 3.5 别写，HR 默认你写出来就是亮点，平庸数字会扣印象分

学校加成：

国内：清华 / 北大 / 复旦 / 上交 / 浙大 / 中科大
海外 ML 强校：Stanford / MIT / CMU / Berkeley / Princeton / Cornell
即使 GPA 不亮，名校 + 专业能在 HR 端拿到第一轮面试入场券

中英双版的”用 YAML 同步”工作流

痛点：Word 双版改一边漏一边。git + YAML 解决：

resume/
├── resume.zh.yaml   # 中文版
├── resume.en.yaml   # 英文版
└── .git

字段结构完全一致，只翻译值。每次改完 git diff 检查双版同步：

git add resume.zh.yaml
git commit -m "update Doubao project highlights"
# → 此时如果 resume.en.yaml 没同步，下次 commit 会暴露

工具支持 lang: zh | en 字段，section title 自动切：

YAML 字段	中文渲染	英文渲染
`summary:`	自我评价	Summary
`experience:`	工作经历	Experience
`publications:`	论文 / 出版物	Publications
`projects:`	项目经历	Projects
`education:`	教育经历	Education
`skills:`	技能	Skills
`languages:`	语言	Languages

格式细节差异（容易遗漏）：

日期：中文 2024.03 - 至今 / 英文 Mar 2024 – Present
电话：+86 国际格式两边一致
地点：上海 vs Shanghai, China
学位：硕士 vs MS
公司：Anthropic 不翻译；中文版用英文公司名也 OK

ATS 友好的 PDF 输出

ATS（Applicant Tracking System）= 简历筛选系统，海外大厂 / 头部科技公司必经。它会读你 PDF 里的文字层做关键词匹配。

四种 PDF 输出方式 ATS 兼容性对比：

输出方式	文字可搜索	ATS 兼容	中文字体
浏览器打印 → PDF	✅ 矢量	✅ 优秀	✅ 系统字体
LaTeX → PDF (XeLaTeX)	✅ 矢量	✅ 优秀	✅ 嵌入字体
Word → 导出 PDF	✅ 矢量	✅ 良好	⚠️ 字体替换风险
截图 / html2canvas	❌ 一张图	❌ 无法解析	—

测试方法：

用 PDF 阅读器打开你的简历
Ctrl+F 搜索”Python”——能高亮 = 文字层正常 = ATS 能读
选中一段文字 → Ctrl+C 复制 → 粘贴到记事本——能复制说明 OK

额外建议：

文件名用拉丁字母 + -：Lin-Zixuan-CV.pdf 比 林子轩简历.pdf 跨平台稳
体积控制在 500KB 以内（多数 ATS 限 2MB，但越小越快过审）
不要嵌入大 logo / 头像——增加体积、ATS 不读、HR 反感
链接保留可点击（Google Scholar / GitHub URL 必须能跳转）

最后：内容比模板重要 10 倍

漂亮模板能让 HR 多看 5 秒，但内容空洞 5 秒后照样淘汰。AI 岗简历的核心竞争力是：

量化指标真实可信——经得起 follow-up 追问
论文 / 项目可验证——URL 能打开、stars 数对得上
技术栈与岗位匹配——别堆砌 50 个技能名词，挑 15-20 个目标岗位最相关的
故事线连贯——能从简历推断你的成长路径和下一步合理选择

模板挑一个简洁的、字号合适的（11pt 是行业标准）、版式经过验证的（avoid 花哨色块），剩下时间全部用来打磨内容。

❓ 常见问题

AI 算法工程师简历应该几页？

应届生 1 页，3 年内 1-1.5 页，5 年以上最多 2 页。AI 岗 HR 平均阅读时间 < 30 秒——多页不会让你被记住，反而稀释关键信息。取舍优先级：(1) 当前岗位最相关的 1-2 段经历充分展开（4-6 条 highlights）；(2) 早期实习压缩成 1 行；(3) 论文只列 venue + 一作/共同，不放 abstract；(4) 教育板块 3 年以上工作只留 1 行；(5) 兴趣爱好整段砍掉。反例：3 年工作经历写 3 页 → 招聘方判断你不会取舍；正例：Anthropic / OpenAI 工程师公开简历多数控制在 1.5 页内。

没量化数据的工作经历怎么办？

先回想"对比 baseline"——任何工作都有"做之前 → 做之后"的对比，哪怕没有公开数据，也能写"内部 benchmark"。3 个抢救方向：(1) 时间维度：从 2 周缩短到 3 天 / 季度交付频率 +2 倍；(2) 规模维度：服务用户量、QPS、tokens 处理量、GPU 数；(3) 质量维度：bug 数下降、复现率、稳定性指标。最差也要写"团队 / 项目维度"：带过几人、影响哪些团队、覆盖哪些产品线。避免：(1) 用"显著提升"、"大幅优化"等模糊词；(2) 只写"做了什么"不写"达到什么"；(3) 时间跨度模糊（写"很长时间内"）。实战：写完后自检每条 highlight，里面应该有至少一个具体数字。

论文一作 / 共同一作 / 二作差距多大？

研究岗一作 >> 共同一作 > 二作 >> 其他。一作是研究主导者，权重最高；共同一作通常前两位贡献相当（顶会标星号 *），多数招聘方按一作算；二作贡献明显次于一作，但仍是核心成员；三作及以后对应届生还能算亮点，对资深岗几乎不加分。写法规范：(1) 标注顺序：Z. Lin*, Y. Wang*, ... 共同一作；Z. Lin, ... 一作；(2) 必标 venue（ACL 2023 (Oral) 比 ACL 2023 强）；(3) 工业界岗位只列顶会（NeurIPS / ICML / ICLR / ACL / EMNLP / NAACL / CVPR / ICCV / ECCV），workshop 论文除非是 best paper 否则别列。反例：列 7-8 篇 workshop 论文 → 显得没有实打实成果。

开源项目要写 stars 数吗？

> 500 stars 写，< 100 不写。写法：(1) 项目名 + 一句话说明 + URL；(2) 量化：stars / 下载量 / 月活 / 贡献者数；(3) 技术亮点：行数 / 模型规模 / 性能数据。反例：列 5 个个人 demo 项目，每个 < 50 stars——会被看作"练手作业"。特例：(1) 内部项目无 stars 但真实有用户量——写公司内部用户数 / 接入业务线数；(2) 早期参与的大型开源项目（contributor 角色）——写"Top 10% contributor of XXX"。注意：HR 会真的去 GitHub 验证，stars 数量、贡献时间线都看，别虚标。

GPA 写不写？多少算优秀？

应届 / 实习生几乎必写，3 年以上工作经验可省略。GPA 阈值：(1) > 3.8/4.0 或 > 90/100，必写；(2) 3.5-3.8 看专业排名是否亮眼，加上"专业前 10%"更稳；(3) < 3.5，不写——HR 心理预期 GPA 写出来就是亮眼，平庸数字反而扣分。形式规范：GPA 3.92/4.00, 专业前 3%——分母必带、排名加分。特殊学校：清华 / 北大 / 复旦 / 上交 / Stanford / MIT / CMU / Berkeley → 即使 3.5 也建议写出 GPA + 专业，校名加成抵消平庸数字。反例：写 GPA 3.6/4 但没写排名——HR 印象"中等偏上"，无加成；写 GPA 3.6/4, top 5%——印象"优秀生"。

中文简历能用 "Last updated in Apr 2026" 这种英文吗？

可以，但要保持一致。中文简历允许英文夹杂的几种场景：(1) 公司 / 产品名（Anthropic、Doubao）；(2) 技术栈名词（PyTorch、CUDA）；(3) 学位简写（PhD、MS、BS）；(4) 论文标题、会议名（NeurIPS / ACL）。不该出现的英文：完整句式（用中文表达更顺），日常名词（电话、地点）。Last updated 这类元信息——属于"国际化标签"，中文圈普遍接受，英文版无需翻译为"最后更新于"。判断标准：HR 一秒钟能读懂、不破坏视觉节奏，就 OK。雷区：中英混排不要用 English (中文) 这种括号注解，看起来啰嗦。

导师是领域大牛要不要写名字？

学术 / 研究岗写，工业界看公司。学术岗（PhD 申请、研究院招聘）——必写，导师 H-index 直接背书；工业界研究岗（Anthropic / FAIR / Google Brain）——值得写，行业内大家相互认识；工业界产品岗——可写可不写，HR 不一定知道你导师是谁。写法：导师方向：xxx；指导教授：Christopher Manning。陷阱：(1) 大牛多带学生，HR 可能背调时联系导师——确保你和导师关系良好；(2) 写完导师名一定要在简历里有与导师方向匹配的论文，否则反而显得"挂名学生"。反例：写"师从 Yann LeCun"但论文方向跟 LeCun 完全无关——尴尬。

中英双版简历用什么工具维护最省心？

YAML + git 是开发岗的最优解。痛点：用 Word 维护两份，改一处忘了同步另一份，最后两份内容偏差大。YAML 方案：(1) 一份 resume.zh.yaml + 一份 resume.en.yaml，字段结构一致，只内容不同；(2) git 跟踪改动 → 任何一边改了，diff 一眼看出该同步什么；(3) 工具同时支持两份，渲染时自动用对应语言的 section title。注意点：(1) 日期格式：中文 2024.03 - 至今 / 英文 Mar 2024 – Present；(2) 电话：中文 +86 138 0013 8000 / 英文 +86 138 0013 8000 一致；(3) 地点：上海 vs Shanghai, China；(4) 公司：用通用名（Anthropic 不翻译）。实务：每次更新两份同步改，不要"先改中文等以后再英文"——99% 概率忘了。