筛选时请重点确认： 候选人具体做过哪个 Transformer 类模型？ 他负责的是模型结构、训练目标、数据组织、训练优化、评估体系，还是只是调用/部署？ 有没有从零训练、继续预训练、结构改造、大规模 fine-tuning 或生产级训练经验？ 有没有处理过大规模序列数据、用户行为数据、文本数据、多模态数据或其他复杂高噪声数据？ 有没有独立判断一条模型路线是否有效的经验？ 能否清楚解释一个模型为什么有效、为什么失效，以及如何验证？ 是否能设计 baseline、ablation、validation、out-of-sample test，并识别数据泄露、过拟合、指标幻觉和不可复现的改进？ 是否仍然具备较强一线 coding 能力，能写 PyTorch 训练代码、看训练日志、搭 baseline，而不是只做管理或 PPT 型技术负责人？ 是否有能力把原来在推荐、搜索、广告、NLP、多模态等领域的建模经验迁移到一个新的复杂数据场景？ 是否能独立负责一条技术路线，而不是只执行别人拆好的任务？

明确不合适的人： 主要做 prompt、RAG、Agent、API 调用的人； 只做过普通 BERT 文本分类、摘要、信息抽取等浅层 NLP 应用的人； 只做传统机器学习、LightGBM、XGBoost，没有深度学习 / Transformer 经验的人； 只做工程平台或模型部署，不懂模型训练和模型结构的人； 只会讲论文概念，没有真实训练、评估或上线经验的人； 只做金融因子或传统量化研究，但没有核心深度学习模型经验的人。