如果你已经做过模型压缩或部署，准备投端侧推理校招，简历里那句“完成量化并在手机运行”还可以往下写：换了什么，怎样复测，遇到延迟或精度问题后怎么定位。本文给你一份可以填进自己项目仓库的交付记录草稿，不提供虚构的跑分。
它来自小鹏北京的【27届校招】端侧大模型推理与量化工程师（北京）。这份 JD 把移动端模型转换、推理引擎优化、自动化测试工具链和延迟／精度／功耗问题定位连在了一起。[1] 我会据此调整项目准备的顺序：少追一个新优化名词，先补齐一次变更的交付记录。
先确认这份记录适合谁
岗位要求相关专业，掌握大模型训练、压缩、部署全流程，对模型压缩、部署相关 Infra 工作有“相关学术研究以及实习项目经历”，并具备良好的 C++/Rust 编程基础。[1] 研究及实习项目经历放在职位要求中，没有标成优先项。只做过调用云端模型接口的应用，不能直接当作满足这项要求的证据。
下面的记录适合已有相关经历、需要把一次技术改动讲清的同学。它是 JIA 根据职责设计的准备工具，不是小鹏的笔试题、面试评分表或内部交付规范。JD 没有公布性能达标数值，不必自己编一个“招聘标准”。
一次变更，留下一条可复查的链
从你做过的模型转换或量化变更里挑一次。官方职责提到量化、剪枝、蒸馏，以及在高通等移动端转换和部署；这些是岗位涉及的工作，不要求你为这篇练习把所有方法重做一遍。[1]
先把以下空白填成你实际用过的条件。如果没有实机，写明只做到了哪一层；不要把桌面结果换个名称写成手机部署。
变更目的：
模型名称、版本与权重来源：
变更前后的精度格式或转换配置：
设备、系统、推理运行时与版本：
实际执行路径／后端（如何确认）：
输入样本与长度范围：
复现命令、代码版本与原始日志位置：
这些字段的作用是让下一位读者知道你测的是什么。例如，同样写“量化后更快”，若前后输入长度、运行后端都变了，就很难把差异归到量化本身。我的建议是先固定可控条件，再改变一个待验证因素；无法固定的条件单独记下来。
接着写结果，但先约定口径。延迟到底指首个输出出现的等待时间，还是完成整次请求的时间？质量用什么样本与评价办法？功耗从哪里读取，测量覆盖哪个时间段？这几项定义由你的项目决定，不是 JD 给出的公式。
测量对象：延迟／质量或精度／功耗
（每个对象分别填写下面一份）
指标定义与测量工具：
变更前结果：待实测
变更后结果：待实测
原始记录位置：
未覆盖的设备／场景：
暂时测不了功耗，就保留“未测”和原因。不要把整机电量变化直接写成某个算子的功耗，也不要从一次输出观感推导整体精度无损。这里没有预填改善比例；你可以交出一个没有变快、但能解释原因的实验。
结果不好时，记录怎么继续走
这份工作的后半段值得多留一些项目材料：JD 明确要求开发、迭代模型转换、精度与性能自动化测试工具链，并定位推理链路的延迟、精度与功耗问题。[1] 因此，除了最终截图，我更建议保留一次失败如何被发现、复现、定位和处理的过程。
不妨继续填：
异常发生在哪组输入或哪台设备：
最小复现与原始日志：
已经排除的因素及证据：
当前定位到的阶段／算子／转换步骤：
采取的改动、复测结果与仍未知的原因：
哪些检查已自动化，怎样阻止同类问题再次漏过：
若目前只能定位到模型转换后的某段误差，就写到那里。没有证据时，不要直接归因于某个芯片、框架或优化策略。自动化也可以从现有流程里反复执行的检查开始，把输入、命令和失败条件保存下来，再说明哪些部分仍靠人工判断。
官方还列出了 Prompt Cache、投机解码、Flash Attention 等推理优化策略，以及图优化、算子适配和 NPU/CPU/DSP 硬件利用率。[1] 阅读这些名词时，可以问自己的项目一个更小的问题：我改的这一处作用于链路哪里，原始记录能否支持我的解释？没有实做过的策略留作学习方向，不必全塞进简历。
把记录压缩成一段项目经历
填完后，再回到简历。保留你的工作对象、具体改动、测量条件和实际结果；把复现入口放进项目文档。若存在质量回退或尚未定位的问题，也可以在面试材料里说明取舍和下一步验证。这样的写法给沟通留下了可追问的内容，不承诺因此获得录用。
如果仍缺相关研究及实习项目经历，先对照官方要求判断差距，不把补一份文档当成补齐履历。可在 JIA 小鹏校招筛选继续核对其他岗位，再决定准备方向。
数据范围与时效
本文定向选取 JIA 于 2026 年 10 月 22 日首次观察到的一条北京校招记录，数据提取于当日 09:05 北京时间，记录当时标记活跃，所属来源最近一次列表抓取完整且无解析失败。官方详情于当日上午复核可读。[1] 这是单岗解读，不是小鹏全量招聘统计；首次观察不等于官方发布日期。页面未明确学位层级、毕业日期区间、名额或截止时间，本次未提交申请，投递前仍需确认资格和官方状态。
Sources
[1] https://xiaopeng.jobs.feishu.cn/campus/position/7699072803907897638/detail — 小鹏27届端侧大模型推理与量化工程师