蒸馏小模型这件事，对应的是哪类岗位的日常工作？

消息提到，有团队把 R1 生成的长思维链蒸馏到 Qwen-1.5B、7B、14B 小模型，并在运行时给足思考预算后，观察到解题能力与思考长度呈正相关。这条动态对求职者的价值，不是让你去复现某个模型，而是提醒你：同一件“小模型变强”的事，背后至少有三段不同的工作。

训练侧关注数据怎么来、思维链怎么筛、训练流程怎么跑；蒸馏侧关注教师信号怎么构造、学生模型怎么对齐；推理应用侧关注思考预算怎么给、延迟和成本怎么控。你投简历前，先问自己更愿意长期做哪一段。喜欢折腾数据和训练循环的，往训练与蒸馏侧准备；喜欢把模型跑稳、跑快、跑便宜的，往推理部署侧准备。两边都懂一点是加分，但简历上要有一条主线。

简历上写蒸馏或推理优化经历，怎么讲才不空？

只写“用过 Qwen-7B”“做过蒸馏”基本等于没写。可核查的写法是：我负责哪一段，输入是什么，产出是什么。比如数据侧可以写“构造并清洗了[实际记录]条长思维链样本，定义了筛选规则”；训练侧可以写“跑通了[实际记录]规模的蒸馏训练，记录了loss与评测变化”；推理侧可以写“对比了不同思考预算下的响应时间与效果取舍”。 延伸阅读：算法工程师简历模板：从菜鸟到专家的完整指南

注意，素材里的 71.0% 到 86.7% 是消息提到的数字，评测基准和口径并未说明，不要直接搬进简历当自己的成果。简历里只放你实际完成的事，数字用[实际记录]占位，面试时再展开。如果只是课程或模拟项目，就明确写成模拟，别包装成生产经历。

面试被问到小模型与长思考，怎么判断团队真实在做哪一段？

素材还回顾了 ollama 把蒸馏小模型当作 deepseek 装到用户电脑上的旧事。这个例子说明：名字一样，实际做的事可能差很远。面试时你可以追问：团队是自研训练、蒸馏复现，还是只做推理部署？小模型是内部产出还是直接拿来用？思考预算由谁决定？

这些问题不是刁难，而是帮你判断岗位日常。如果对方说“我们主要做推理加速”，你却准备了一堆训练细节，匹配度就会打折。反过来，如果团队在做数据构造，你只聊部署，也会显得偏。

一个实际可做的小建议：挑一个你手头的小模型任务，分别写下“数据与训练侧我做了什么”和“推理与预算侧我做了什么”，各写三行。写不出来的那一边，就是你接下来要补或要避开的方向。