一个专为大模型算法工程师打造的 LaTeX 简历模板，适合求职大模型、Agent、RAG、NLP 等 AI 相关岗位。
💡 如果这个模板对你有帮助，请先点击右上角的 ⭐️ Star 支持一下！你的 Star 是对我们最大的鼓励！
🔥 推荐 Fork 本项目后进行修改，这样你可以保留自己的版本，也方便后续更新！
简历模板效果展示
简历模板有头像效果展示
- 📸 支持头像：提供带头像版本，让简历更加个性化和专业（可选）
- 📝 专业内容结构：涵盖科研经历、实习经历、项目经历等完整板块
- 🎯 大模型方向优化：针对 LLM、Agent、RAG、模型压缩等热门方向设计
- 🔧 易于修改：提供完整的占位符模板，方便快速替换个人信息
- 🎨 排版精美：基于优秀的 LaTeX 简历模板，支持中英文
- 🚀 一键编译：支持 Overleaf 在线编辑，无需本地配置环境
LLM-Resume-Template/
├── resume-zh.tex # 中文简历（完整示例，无头像）
├── resume-photo.tex # 带头像简历（推荐使用）⭐️
├── resume-model.tex # 简历模板（含占位符）
├── resume-en.tex # 英文简历模板
├── resume.cls # 标准简历样式文件
├── resume-photo.cls # 带头像支持的样式文件 ⭐️
├── adongwanai.jpg # 示例头像图片
├── Makefile # 编译脚本
├── fontawesome5/ # 图标字体文件
└── README.md # 本文件
推荐使用 resume-photo.tex：这是带头像版本的简历模板，更加现代美观，适合需要展示个人形象的场合。
可选使用 resume-zh.tex 或 resume-model.tex：标准版简历（无头像），适合更正式的学术或企业场合。
- 点击页面右上角的 ⭐️ Star 按钮，支持一下项目！
- 点击右上角的 Fork 按钮，将项目 fork 到你的账号下
- 在你 fork 的仓库页面，点击 Code → Download ZIP 下载项目
💡 为什么推荐 Fork？
- 你可以在自己的仓库中自由修改，不会影响原项目
- 方便追踪你的修改历史
- 当原项目更新时，你可以轻松同步最新内容
- Fork 和 Star 能让更多人发现这个项目！
- 访问 Overleaf 并登录/注册
- 点击左上角 New Project → Upload Project
- 上传刚才下载的 ZIP 文件
- 等待项目导入完成
- 在 Overleaf 项目中，点击左上角的 Menu 按钮
- 在 Main document 下拉菜单中选择：
- 带头像版：选择
resume-photo.tex（推荐） - 无头像版：选择
resume-zh.tex或resume-model.tex
- 带头像版：选择
- 确保编译器设置为 XeLaTeX
- 点击 Recompile 即可预览 PDF
- 准备一张正方形或圆形的照片（推荐尺寸 500×500 像素以上）
- 在 Overleaf 左侧文件列表中，点击上传图标上传你的照片
- 打开
resume-photo.tex，修改第 17 行：\ResumePhoto{你的照片文件名.jpg} - 如果不想使用头像，直接删除或注释掉这一行即可
直接在 Overleaf 编辑器中修改对应的 .tex 文件，保存后会自动重新编译并更新 PDF 预览。
如果你想用 AI 快速批量修改简历内容，推荐使用 Cursor 编辑器。
强烈推荐先 Fork 项目！
- 在 GitHub 上点击 Star ⭐️ 和 Fork 按钮
- 克隆你 fork 的仓库：
# 替换 YOUR_USERNAME 为你的 GitHub 用户名
git clone https://github.com/YOUR_USERNAME/LLM-Resume-Template.git
cd LLM-Resume-Template💡 为什么要 Fork？ Fork 后可以自由提交你的修改，保留个人版本，同时不影响原项目。
- 下载并安装 Cursor
- 用 Cursor 打开项目文件夹
- 打开
resume-photo.tex（带头像版）或resume-model.tex（无头像版）文件
选中需要修改的部分，按 Cmd+K（Mac）或 Ctrl+K（Windows）唤起 Cursor AI，输入提示词进行修改。
提示词示例见下方 AI 提示词参考 部分。
修改完成后，将项目文件夹打包成 ZIP，重新上传到 Overleaf 进行编译和预览。
如果你已安装 TeX Live 或 MacTeX，可以在本地编译：
# 编译带头像版简历（推荐）
xelatex resume-photo.tex
xelatex resume-photo.tex # 编译两次以生成正确的目录和引用
# 编译无头像版简历
make zh
# 或
xelatex resume-zh.tex
xelatex resume-zh.tex\ResumeName{阿东玩AI} % 修改为你的姓名
\ResumePhoto{adongwanai.jpg} % 修改为你的头像文件名，或删除这行不使用头像
\begin{document}
\ResumeContacts{
1XX-XXXX-XXXX,%
\ResumeUrl{mailto:adong@tsinghua.edu.cn}{adong@tsinghua.edu.cn},%
\textnormal{清华大学 | 计算机科学与技术 · 硕士 | 20XX-XX}%
}\name{玩AI}{阿东} % 修改为你的姓名（姓 名）
\keywords{大模型, 算法工程师, 模型压缩, 模型微调, PyTorch, DeepSpeed}
\profile{
\mobile{138-0000-0000} % 手机号
\email{adong@tsinghua.edu.cn} % 邮箱
\university{清华大学} % 学校
\degree{计算机科学与技术 \textbullet 硕士} % 专业和学位
\birthday{1998-06} % 生日
}模板中使用 XXXX 和 XX 作为占位符，你可以：
- 手动替换：直接搜索
XXXX并替换为你的实际内容 - 使用 AI 辅助：参考下方的提示词示例，让 AI 帮你快速填充
根据你的求职重点，可以调整各个板块的顺序。例如，如果你的项目经历更出色，可以把项目经历放在实习经历之前。
如果某个板块不需要，直接删除对应的 \sectionTitle 和 \begin{...} \end{...} 部分即可。
使用 Cursor、ChatGPT 或 Claude 时，可以参考以下提示词快速修改简历：
请帮我修改简历的个人信息部分：
- 姓名：张三
- 手机：138-1234-5678
- 邮箱：zhangsan@pku.edu.cn
- 学校：北京大学
- 专业：计算机科学与技术
- 学位：硕士
- 生日：1999-03
请帮我填充科研经历部分，我的研究方向是：
- 方向：多模态大模型的指令微调
- 时间：2024.03 - 至今
- 问题：现有多模态模型在细粒度视觉理解任务上表现不佳
- 方法：设计了区域级别的对齐策略，在 RefCOCO 数据集上训练
- 效果：相比 LLaVA baseline，准确率提升了 8.5%
- 成果：论文已投稿 CVPR 2025
请保持专业的学术写作风格，突出技术细节和量化指标。
请帮我填充实习经历，信息如下：
- 公司：字节跳动
- 部门：AI Lab - 大模型团队
- 时间：2024.06 - 2024.12
- 工作内容：
1. 参与豆包大模型的数据构造，构造了 3B tokens 的代码数据，HumanEval 得分提升 6pp
2. 负责模型的 SFT 训练，使用 LoRA 微调，训练了 5 个版本
3. 优化推理性能，使用 vLLM，推理速度提升 50%
请用专业的方式描述，突出数据规模、技术方案和量化效果。
请帮我填充项目经历，我做了一个 RAG 项目：
- 项目名称：企业知识库智能问答系统
- 时间：2023.09 - 2024.01
- 背景：公司内部文档分散，员工查找信息效率低
- 方案：搭建了基于 RAG 的问答系统，使用 BGE-large 做向量化，FAISS 做检索，GPT-4 做生成
- 优化：加入了 HyDE 和重排序，召回率从 72% 提升到 88%
- 效果：系统上线后，员工查询效率提升 60%，好评率 91%
请用项目报告的风格描述，突出问题、方案、优化和效果。
请帮我把简历中的所有占位符 XXXX 和 XX 替换为合理的示例内容，要求：
1. 内容贴合大模型算法工程师的工作场景
2. 使用真实存在的模型名称（如 LLaMA、Qwen、GPT-4）
3. 使用真实的 benchmark（如 MMLU、HumanEval、GSM8K）
4. 数字要合理（如提升幅度通常在 5%-20% 之间）
5. 保持专业性和可信度
请帮我优化简历中的"实习经历"部分，要求：
1. 使用更专业的技术术语
2. 突出量化指标和业务影响
3. 使用动词开头，增强行动力
4. 控制每条不超过 2 行
5. 遵循 STAR 法则（情境-任务-行动-结果）
\item \textbf{基于强化学习的自主决策 Agent 系统研究} \hfill 2024.03 --- 至今
\begin{itemize}
\item \textbf{问题背景}: 现有 LLM-based Agent 在复杂任务中存在决策路径冗余...
\item \textbf{研究内容}: 1) 提出基于 PPO 的 Agent 决策优化框架...
\item \textbf{相关成果}: 第一作者论文已投稿 NeurIPS 2025...
\end{itemize}\item \textbf{基于自我纠错机制的智能 RAG 检索系统} \hfill 2024.01 --- 2024.05
\begin{itemize}
\item \textbf{项目背景}: 为解决企业内部知识库检索效率低下问题...
\item \textbf{核心痛点}: 最初版本召回率仅 65%...
\item \textbf{技术方案}: 1) 借鉴 ReAct 思想, 设计迭代式检索策略...
\item \textbf{最终效果}: 召回率从 65% 提升至 85%...
\end{itemize}- 突出问题背景、技术方案和量化效果
- 提及具体的模型（LLaMA、GPT-4）、方法（LoRA、DPO）和 benchmark（MMLU、HumanEval）
- 强调论文发表、开源项目等学术成果
- 使用 STAR 法则：情境（Situation）→ 任务（Task）→ 行动（Action）→ 结果（Result）
- 量化你的贡献：数据规模（XB tokens）、性能提升（X pp）、业务影响（XX% 提升）
- 突出你在团队中的角色和独立负责的模块
- 描述项目背景和痛点，体现问题意识
- 详细说明技术方案，展示技术深度
- 强调创新点和最终效果，最好有对比数据
- 优先列出与 AI/算法相关的荣誉
- 顶会论文 > 竞赛奖项 > 奖学金
- 注明具体排名（如 Top 1%、金牌）和参与人数
本模板适合以下求职方向：
- 🤖 大模型算法工程师：LLM 训练、微调、对齐
- 🧠 Agent 算法研究员：强化学习、多智能体系统
- 📚 RAG 算法工程师：检索增强、知识库构建
- ⚡ 模型推理优化工程师：量化、蒸馏、部署加速
- 🔬 NLP 算法研究员：文本生成、信息抽取、对话系统
- 🎨 多模态算法工程师：视觉-语言模型、VLM
欢迎提交 Issue 和 Pull Request 来改进这个模板！
如果这个模板对你有帮助，欢迎给个 ⭐️ Star！
- GitHub: @adongwanai
- 项目地址: LLM-Resume-Template
本项目采用 CC BY 4.0 许可证。
你可以自由地：
- ✅ 分享 — 复制和再分发本模板
- ✅ 修改 — 重新组合、转换和构建本模板
- ✅ 商用 — 将本模板用于商业目的
唯一要求：署名 — 你必须给出适当的署名，提供指向本许可的链接，同时说明是否有做修改。
本模板基于 resume 项目修改，感谢原作者的优秀工作！
针对大模型算法工程师求职场景进行了深度优化和内容重构。
祝你求职顺利，拿到心仪的 Offer！🎉
如有问题，欢迎提 Issue 或加入讨论！