公开训练资料这么多，简历上写“了解”够不够？

消息提到，IFM 发布 K2 Horizon，包含 6 个开源模型，参数规模从 0.9B 到 375B，覆盖端侧小模型到用于推理、编码和智能体的大模型。对准备投模型训练、后训练或智能体方向的算法求职者来说，这类发布容易变成“收藏夹吃灰”：链接存了，简历上却只能写“了解”。

问题在于，“了解”和“做过”在面试里是两种证据。前者只能说明你读过公开资料，后者才涉及你实际跑过什么、复现到哪一步、卡在哪里。如果只是浏览了模型卡，就不要写成项目经历；可以放在技能或学习经历里，并注明是阅读公开资料。 延伸阅读：算法工程师简历模板：从菜鸟到专家的完整指南

一个可用的判断方法是：把准备动作分成“可展示”和“仅阅读”两栏。可展示指你实际完成过的动作，例如按公开配置跑通一次小规模训练、对照公开日志观察损失曲线、整理数据配方中的字段含义。仅阅读则包括看过架构介绍、读过评测结果。简历上只写前者，面试里再谈后者。

想投后训练或智能体方向，该优先补哪块？

素材显示，IFM 表示每个模型都会发布权重、训练代码、配置、数据或详细数据配方、中间检查点、训练日志和评测，覆盖从预训练到推理与智能体训练的完整过程；还发布了包含强化学习流程的完整智能体后训练代码库。

这给求职者的价值不是“又多了一个模型”，而是可以据此判断自己缺的是哪一环。假设你准备投后训练方向，可以先问自己三个问题：我能不能看懂数据配方里哪些字段影响训练目标？我能不能说清一次后训练流程从数据到评测经过哪些步骤？我能不能区分监督微调和强化学习流程各自解决什么问题？

如果前两个问题答不上来，优先补数据与流程理解，而不是急着跑大模型。如果第三个问题模糊，可以对照公开的智能体后训练代码库，看强化学习流程在整体训练中处于什么位置。注意，这里说的是“对照公开资料理解”，不是断言这些代码库一定容易跑通或文档完整——这些还需要你自己查证。

面试被问“你怎么跟进开源模型”，怎么答才不空？

面试里常见的问题是“你平时怎么跟进开源模型”。空泛的回答是罗列模型名称和参数规模；有说服力的回答是具体动作。

可以这样组织：我关注到 K2 Horizon 公开了权重、训练代码、配置、数据配方、中间检查点和训练日志，所以我先对照公开日志和检查点，看训练过程记录到什么粒度；然后选一个小规模模型，尝试按公开配置复现到某一步，记录卡在哪里。如果还没跑通，就如实说卡在环境、数据准备还是流程理解上。

这里要区分“发布”和“可用”。消息提到这些资料会公开，但实际可用性、文档完整度和维护状态并不在素材范围内，需要你自己去查。面试官更在意的是你有没有形成核查习惯，而不是你有没有第一时间用上。

一个实际可做的小建议：选一个你真正想投的方向，从公开资料里挑一个最小动作——比如整理一份数据配方字段说明，或记录一次小规模训练尝试——把它写成一段可核查的准备记录，而不是再收藏一个链接。

本文为职业准备分析，不构成对模型效果、招聘需求或录用结果的判断。