第2章 自我介绍模板与表达技巧
自我介绍不是简历复读，而是3分钟的价值锚定。多模态AI算法岗面试中，面试官通过自我介绍快速判断：技术底子、项目匹配度、表达逻辑、沟通气场。本章拆解黄金结构、差异化锚点、时间控制和岗位适配四个核心模块。
| 模块 | 时长 | 核心内容 | 加分技巧 |
|---|---|---|---|
| 开场 | 15s | 姓名 + 教育背景 + 当前角色 | 声音洪亮，直视面试官 |
| 背景 | 30s | 学历 + 研究方向 + 关键技能 | 一句概括，突出与岗位的匹配 |
| 项目 | 90s | 1个最亮眼的项目（STAR原则） | 数据指标、多模态融合技术细节 |
| 动机 | 30s | 为什么投递 + 为什么适合 | 结合公司产品/技术方向 |
| 结尾 | 15s | 致谢 + 期待深入交流 | 自然收尾，留出提问空间 |
面试问答卡片
🎯 面试问题1：请做个自我介绍
面试官考察点： 考察表达逻辑、时间管理、技术提炼能力；判断是否与岗位匹配，是否存在明显短板。
回答框架： 黄金结构（开场→背景→项目→动机→结尾），项目部分重点讲1个多模态融合项目，用数据量化成果。
简短示例回答： “面试官好，我是XXX，硕士毕业于XX大学计算机视觉方向。近三年专注多模态预训练模型，在CLIP改造、图文对齐上有量产级落地。主导过某电商图文搜索项目，将跨模态召回率提升22%。我对贵公司多模态视频理解方向非常感兴趣，希望能深入交流。”
可能追问： 你刚才提到的召回率提升22%，具体用了什么技术方案？为什么没有选择其他方法？
🎯 面试问题2：请分享一个你最引以为傲的多模态项目
面试官考察点： 技术深度、难点攻克能力、团队角色、量化思维；在多模态融合中的核心贡献。
回答框架： STAR原则 – 背景（业务规模/数据量）→ 目标（精度/速度指标）→ 动作（具体算法创新、数据处理、工程优化）→ 结果（提升效果、上线影响）。
简短示例回答： “我最自豪的项目是某自动驾驶多模态融合感知模块。包括激光雷达点云和相机图像，需要实时输出3D目标检测。我提出基于Transformer的跨模态特征对齐，将6个输入视角统一到BEV空间。最终mAP提升8.5%，推理延迟控制在30ms以内，已落地L4级测试车。”
可能追问： 你们如何处理点云稀疏与图像稠密的特征不一致问题？为什么选择BEV而非鸟瞰图+注意力？
🎯 面试问题3：为什么你认为自己适合这个岗位？
面试官考察点： 自我认知、岗位匹配度、公司研究深度、动机真实性。
回答框架： ① 技术栈匹配（列举2~3个岗位JD关键词与自己经验重合）→ ② 项目经验契合（用具体项目说明能直接贡献）→ ③ 持续学习/成长（与公司技术方向同频）→ ④ 表达意愿。
简短示例回答： “贵岗位要求多模态预训练和推理加速，我正好有CLIP微调+ONNX部署经验，在上一项目中将推理耗时从120ms降到35ms。同时我一直在跟进NeurlPS多模态大模型，这与贵公司技术路线一致。我渴望在亿级多模态数据上挑战更大规模优化。”
可能追问： 你刚才提到ONNX部署，遇到哪些算子不支持的问题？如何解决的？