开源模型项目经历，先分清哪些算你的贡献

消息提到，小红书 AllSpark 团队发布并开源了 Search Agent 模型 Iris，权重和评测代码已公开，数据与训练配方将陆续公布；另有信息称其有 35B 与 397B 版本，同量级成绩领先。对准备数据与算法岗的求职者来说，这类项目常被写进简历，但面试官真正想听的，不是模型多大、榜单多高，而是你在哪个环节动过手。

一个可用的拆法是按环节切：数据清洗与构造、训练配置与调参、评测脚本与指标复现、工程部署与推理优化、文档与社区维护。你只写自己实际动手、且能复述细节的部分。团队整体发布的模型、权重和榜单成绩，单独标注为团队产出，不要混进个人贡献。比如“参与开源模型项目”可以改成“负责评测集构造与指标复现，产出可运行脚本”，前提是你确实做过。

面试被追问“你具体做了什么”，用三段式讲边界

被追问时，可以用“我负责的环节—我产出的可展示物—我未参与的边界”来回答。第一段说清你接手时的任务目标和你做的具体步骤；第二段给出可展示物，例如[实际记录]的评测结果、脚本或文档；第三段主动说明哪些部分不是你做的，比如训练配方、数据来源、模型结构设计。

这不是示弱，而是让面试官判断你的真实水位。假设场景：面试官问“Iris 的 397B 版本你参与了多少”，如果你只做过小规模评测复现，就直说“我复现的是评测流程，没有参与训练和权重发布”。越界把团队成果说成个人成果，一旦被追问细节就会露馅。

没直接参与发布，怎么准备同类岗位

如果你没有直接参与开源模型发布，可以从公开权重与评测代码入手，做可复现的小任务：跑通评测、记录环境与报错、对比不同配置下的结果。把过程整理成个人项目，面试时讲清任务目标、你做的步骤和遇到的限制。

读岗位描述时，还要确认几件事：这个岗位更看重数据、训练还是评测工程；团队是否要求你有大规模训练经验；开源贡献是加分项还是硬门槛。这些信息岗位描述里未必写全，可以在面试中直接问。

一个实际可做的小建议：挑一个你写进简历的开源项目，用三段式写成一页笔记，标出你能复述的细节和不能回答的问题，再决定简历上保留哪一句。