面试官问“你做过大模型横评”，先答哪三件事

消息提到，一组 SVG 生成提示词被用来对多款大模型做实测，示例包括“生成一只操作管风琴的章鱼SVG”。素材还标注了不同记录：2026 年一轮涉及 6 款模型；2025 年同一轮里，部分提示词对应 10 款模型，其余对应 9 款。这类经历写进简历，面试官通常不会先问排名，而是问：任务集怎么定的、模型版本怎么记、不同轮次为什么模型数量不一样。 延伸阅读：算法工程师简历模板：从菜鸟到专家的完整指南

三件事答不清，后面容易卡壳。任务集要能说出为什么选这类提示词、覆盖了什么能力、有没有对照基线；模型版本要精确到轮次和调用方式，不能笼统说“测了几款”；轮次与模型集合不同时，结论就不能混着讲。结论漂亮不如口径清楚。

把“跑过横评”写进简历，哪些细节必须自己先核实

素材里 2026 年一轮是 6 款，2025 年同轮中前几条与其余条目的模型数量不同，这说明同一轮内也可能存在记录差异。面试前建议自己先列核查表：每轮用了哪些模型、什么版本、什么时间跑的、每条提示词对应哪些模型、原始记录还在不在。如果只是转述别人的横评，几个追问就能听出来。可以诚实说明自己负责哪部分——设计提示词、跑调用、整理数据，还是只做汇总。

看模型评测相关职位描述时，可以留意是否提到指标设计、评测方案或自动化评测能力，这些词能帮你判断岗位侧重。但具体到每家公司，要求还得逐条确认；一条职位样例不能代表全行业门槛。

没有真实横评经历，怎么准备这类面试

可以用小规模自测练手：选一组具体任务，比如生成 SVG 或结构化输出，固定提示词，记录每轮模型版本和模型集合。重点不是得出“谁更强”，而是讲清方法边界——样本多大、任务是否单一、结论能推到什么范围。

模拟面试时，可以假设面试官追问“你这个结论能推广到代码生成吗”，你的回答应该是“不能，任务集只覆盖了图形生成”。这种边界感比背结论更有说服力。不要编造模型效果，也不要假装有招聘需求。

实际可做的一步：把你手上任何一次模型对比，整理成一页纸的任务集、版本、轮次和结论边界，面试前自己先讲一遍。

本文为求职分析，不构成对任何模型能力或招聘要求的判断。