第2章 自我介绍模板与表达技巧：高频问题、回答框架、公司侧重点
自我介绍是面试的“第一印象”环节，也是候选人主动引导话题的唯一机会。面试官通常在自我介绍后形成初步判断，并据此展开追问。一个结构清晰的自我介绍，能帮你抢占节奏、展示核心能力、匹配岗位需求。
自我介绍核心要素对照表
| 要素 | 说明 | 加分点 |
|---|---|---|
| 开场定位 | 姓名、学历/工作年限、技术方向 | 直说对口领域，避免“我叫XX，来自X”干巴巴 |
| 核心能力 | 与AIGC直接相关的技术栈（如LLM、Diffusion、RLHF） | 量化学过/用过的模型数、参数量级 |
| 项目亮点 | 一个简短STAR：场景、难点、方案、结果 | 强调业务指标提升（如生成质量+15%，推理延迟降30%） |
| 岗位匹配 | 你的某段经历与岗位描述高度对应 | 提前研究JD，用JD里的关键词反扣 |
| 结束致谢 | “期待与团队一起推进…” | 表达对公司的了解与兴趣 |
高频问题①：请做一个自我介绍
面试官考察点：
- 逻辑性：有没有清晰结构，还是流水账？
- 相关性：内容是否紧扣AIGC算法岗位？
- 自信度：表达是否流畅、节奏是否平稳？
- 引导性：能否留下可追问的钩子？
回答框架：
- 开场：一句话定位（教育背景+当前方向）。
- 能力：列举2-3个核心技术能力（如大模型微调、多模态理解）。
- 项目：用STAR简述一个代表项目（突出难点与量化收益）。
- 匹配：点明自己能为这个岗位带来什么。
- 结束：表达对公司的兴趣。
简短示例回答：“面试官好，我是李明，硕士毕业于XX大学计算机专业，研究方向是大语言模型对齐。我具备从零到一训练7B模型的经验，熟悉RLHF与DPO算法。在上一段实习中，我主导了电商场景下的文案生成项目，通过引入对比学习将ROUGE-L提升12%，同时推理延迟降低至200ms内。我注意到贵司正在推进多模态内容创作平台，我的多模态理解和Lora微调经验正好可以复用。期待有机会深入交流。”
可能追问：“你提到的RLHF中reward model是怎么训练的？” / “推理延迟优化具体用了哪些技巧？” / “为什么选择DPO而不是PPO？”
避坑提醒：❌ 不要背简历；❌ 不要把项目拆成流水账；❌ 避免使用“我负责..”等模糊描述，改用“我主导/我设计/我实现”。
高频问题②：你最大的缺点是什么？
面试官考察点：
- 自我认知：是否清楚自己的短板？
- 成长性：是否在主动改进？
- 真实度：是否只说“完美主义”这种套路？
- 与岗位冲突：缺点是否影响核心工作？
回答框架：
- 选一个真实但非致命缺点（如对工程细节过于追求极致，导致交付周期偏长）。
- 说明你已经在用什么方法改进（如制定优先级列表、设置deadline、与PM对齐预期）。
- 给出一个正向结果举例（如改进后交付准时率提升到90%）。
简短示例回答：“我过去的缺点是喜欢在模型实验上做大量消融分析，导致项目节奏有时偏慢。后来我建立了‘实验价值预判清单’：先快速判断哪个消融对最终指标贡献最大，优先跑关键实验。比如在内容安全模型项目中，我把50组实验优化为关键5组，最终提前两周交付，同时AUC还提升了0.3%。”
可能追问：“你如何判断哪些实验是关键实验？” / “如果让你推荐一个避免过度实验的方法，你会怎么做？”
避坑提醒：❌ 不要说“我太完美主义”这种模板；❌ 不要说和岗位硬冲突的缺点（如“我不善于编码”）；✅ 选一个可以转化为学习成长故事的缺点。
高频问题③：为什么想加入我们公司？
面试官考察点：
- 求职动机：是海投还是有针对性？
- 公司了解度：是否真正研究过公司的技术和产品？
- 匹配度：你的能力与公司方向的契合点？
- 稳定性：是否可能被其他公司轻易挖走？
回答框架：
- 行业认同：表达对AIGC领域的热情。
- 公司特点：具体说1-2个公司独特的技术或产品方向（如“贵司的I2V生成模型在语义一致性上行业领先”）。
- 个人契合：你的经验或方向恰好能赋能这个方向（如“我硕士就是做时空一致性控制”）。
- 长期价值：希望能在这里做有影响力的事。
简短示例回答：“我很看好AIGC在视频生成领域的爆发，而贵司最近开源的SkyReels项目在长视频连续性上表现出色。我在研究阶段刚好设计了一套基于光流引导的插帧模块，可以无缝接入这类框架。我希望能在贵司把这个模块落地到产品中，同时向团队里多模态领域的专家学习。”
可能追问：“你如何看待目前视频生成模型的瓶颈？” / “你提到的光流引导方法在推理时会不会增加开销？”
避坑提醒：❌ 不要说“因为你们是大厂”；❌ 不要只说“我喜欢AI”；❌ 不要编造公司信息。✅ 面试前花半小时读完公司最新技术博客或开源项目。
公司侧重点与面试官画像
不同公司侧重点差异：
- 大厂核心部门（如字节、阿里、腾讯）：看重工程落地能力、大规模分布式训练经验、业务指标思维。自我介绍中强调调优实战和效果量化。
- 独角兽/创业公司（如MiniMax、百川、智谱）：看重创新能力、快速迭代能力、多面手属性。介绍时突出复现、新模型尝试、独立解决问题。
- 研究型团队/实验室（如FAIR、DeepMind中国）：看重学术深度、基线复现、实验严谨性。介绍时侧重方法论和消融分析。
面试官画像：
- 一般来自算法团队的技术leader或资深工程师，年龄多在28-38岁，技术敏感度高，对模型细节、数据配比、训练稳定性等有极强追问倾向。
- 他们会重点听：你提到“训练了多少步”“用了什么优化器”“怎么解决loss spike”等具体细节；如果只讲概念而无细节，会立刻追问。
- 建议在自我介绍结尾留一个技术钩子，例如“那个项目在数据清洗上做了特殊处理，如果面试官感兴趣可以展开”。