cooco

单纯就是人太多了，横向对比了，不要怀疑自己，继续面下去

cc 的评价

为什么怀疑是包装/培训班简历
时间线穿帮是决定性证据。 简历声称 2022.05–2023.08 期间"LoRA 微调 DS-V3/DS-R1/Qwen2.5"，但这三个模型分别发布于 2024 年底和 2025 年初，Qwen2.5 也是 2024 年 9 月才出。真实做过项目的人不会犯这种错误——只有按"现在最热的技术"倒推编简历的人才会。这一条基本可以确认项目经历至少部分是编排的。
其他典型包装特征也齐了：

六个项目无缝衔接、无重叠无空档，每年恰好踩中一个行业热点（数仓→实时流→CV→微调→RAG→Agent ），这是培训机构模板的标准排布方式
一家深圳小公司（思无涯科技，可以查一下这家公司的实际业务和规模）六年内做金融风控、企业问答、工业质检、电商数仓——业务跨度大得不合理
指标全是漂亮整数且无口径：mAP 99.2%、准确率>90%、效率提升 300%
技术栈像课程大纲：ID3/C4.5 、最小二乘、混淆矩阵这种课本条目都列上了，而生产环境风控用"ID3 决策树"本身就不合理（实际都是 XGBoost/LightGBM ）
声称跟踪前沿论文，但没有 GitHub 、博客、开源贡献任何佐证
211 本科背景是真的话，学历这块没问题，但 CET-4 + 计算机二级放在六年经验的简历上很违和

但也别一刀切
有一种可能性值得保留：候选人确实有几年数据工程真实经验（前两个大数据项目细节相对朴实可信），后期为了转 AI 岗把项目"美化升级"了。这类人如果基础扎实、学习能力强，18–35K 的价位在深圳未必不值得聊，取决于你们岗位是需要独当一面的算法负责人，还是能干活的 RAG 应用工程师。
如果进面试，建议这样验证
背景核实先行： 查一下思无涯科技的工商信息和实际业务，看是否可能同时有金融风控、工业质检、企业知识库这么多客户场景。离职时间 2025.11 至今的空档也要问。
技术追问抓细节而非名词：

RAG 项目问具体决策："10 万文档的 chunking 策略怎么定的？ chunk size 多少、为什么？ BGE Reranker 的精排候选数取多少？准确率>90% 是怎么评估的、测试集哪来的？" 真做过的人能说出踩坑过程，背简历的人只能复述架构图
Agent 项目问失败处理："ReAct 循环里工具调用报错或模型幻觉出不存在的工具名时怎么兜底？最多允许几轮迭代？" 这是所有真实 Agent 项目都绕不开的坑
直接问时间线："22 年的项目怎么用上了 24 年发布的 Qwen2.5 ？" 看他是坦承简历经过更新润色，还是继续圆——回答方式比答案本身更能看出诚信
CV 项目问"mAP 99.2% 的测试集多大、缺陷类别几种、和产线实际漏检率的差距"

上机或现场编码不能省。 这类简历的候选人两极分化严重，半小时的实际编码（比如手写一个简单的检索+rerank 流程）比一小时聊项目更能分辨真假。
总结：简历本身可信度不高，时间线硬伤 + 模板化痕迹明显。但如果你们简历池不宽裕，可以给一轮技术面机会，用细节追问和编码测试快速验证——真有料的十五分钟就能看出来,包装的也藏不过三个问题。

省流：UI + 前端
工资：10-30

现在都不用这些了吧

提离职，发全员邮件喷他

跟我的 MBTI 测出的结果差不多

是的，我也这样

工资低就图一个稳定吗

直接 prompt 注入一下，让 ai 给你打高分