机器之心编辑部
布朗大学的博士生 Yong Zheng-Xin 今天自宣了下个月将正式加入 OpenAI，作为 Astra Fellow 专注于 AI 的安全研究（AI Safety Research）。
Yong Zheng-Xin 在布朗大学攻读博士时的导师为 Stephen Bach，研究方向包含提升模型多语言能力及前沿 AI 安全与对齐。他目前重点关注的领域是 AGI/ASI（通用 / 超级人工智能）的风险防范与准备工作。他深入研究了可扩展监督（Scalable Oversight）、模型对齐的泛化能力，以及大模型在面对多语言等复杂提示时的对抗鲁棒性和越狱漏洞。
上个星期，同是即将毕业的博士，华盛顿大学的 Alisa Liu 在加入 OpenAI 的消息上了 X 热搜，浏览量超过了百万（参见：《从 57 场面试到 OpenAI offer：一位 NLP 博士的顶级 AI 公司求职复盘火了》）。
Yong Zheng-Xin 在看到 Alisa Liu 的面试分享之后获得启发，也介绍了自己在求职研究科学家时的一些经历。
相比于 Alisa 分享的如何准备面试等更为标准化的经验，Zheng-Xin Yong 的这篇博客《Surprising lessons from my research scientist job search》 提供了一个不同的视角。
作为一个在博士最后一年从多语言大模型跨界转向 AI 安全领域的候选人，他总结了 6 个让他在求职过程中感到非常意外（Surprise）的有趣洞察，非常值得一看：
链接：https://yongzx.github.io/blog/2026/06/24/job-search/
最近，计算机科学博士生 Alisa 和 Silvia 分别发表了两篇博文，讲述了她们如何准备并成功进入 OpenAI 和谷歌 DeepMind 等前沿实验室。我强烈推荐这两篇文章。在看到推特上的反响后，我想从另一个角度分享一下：我在自己寻找科研人员工作的过程中，有哪些意想不到的经历让我感到惊讶。
这篇文章主要面向两个读者群体：
计算机科学（CS）博士毕业生，可能和我一样，花了 5-6 年时间撰写多篇研究论文，现在正努力寻找行业机会。
正在申请全职职位的 AI 安全研究员。
免责声明：本文写作过程中未使用任何大语言模型。
个人经历
我是布朗大学的五年级博士生。我的求职经历有点特殊，因为我在博士最后一年改变了研究方向。
2025 年秋季，我申请了多语言和人工智能安全方面的职位，但收到的大多是多语言 / 后训练的研究科学家机会。这是因为我的研究组合中涉及核心 AI 安全课题的工作较少。
在学期中，我决定全身心投入 AI 安全研究，因为我认为随着通用人工智能（AGI）/ 超级人工智能（ASI）的到来，AI 安全领域有很多重要方面亟需关注。因此，当我获得 Astra 奖学金时，我决定暂停求职几个月，专注于做好奖学金项目，以便更胜任 AI 安全领域更具影响力的职位。为此，我拒绝了一些现有的工作机会，并将毕业时间推迟到 2027 年。
临近研究项目结束，我重新开始找工作，但事情进展得比我最初设想的要混乱一些。我原本计划在六月结束研究项目，将研究成果整理成论文，然后开始面试（这意味着我应该在七月才开始面试）。然而由于时间安排的原因（以及）对职位资源不足的担忧，我大约在五月中旬就开始了面试，并在六月中旬之前就收到了几份令我非常满意的 offer。事实上，我甚至退出了一些正在进行的面试，都没有机会充分了解其他选择。
总而言之，我很庆幸事情最终顺利解决，我不用再为资金问题烦恼（因为我推迟了毕业），也不用再承受持续找工作的焦虑（至少短期内应该如此）。我无法用语言表达我对所有在此过程中支持我的人的感激之情。
意外之一：求职过程中，真正重要的只有一两篇论文
根据 Alisa 的帖子和反应，或许很多人已经知道，面试（例如 LeetCode）可能与你所做的研究工作无关。
我甚至可以说在求职过程中，真正重要的可能只有一两篇论文。有时候，甚至一篇论文都不需要，我的评价完全取决于我当场解决团队问题的能力。
根据我的经验，你的论文作用主要有两个：
获得面试机会。我做过一些目标团队喜欢的项目，或者我的论文展现了团队正在寻找的某种专业技能，所以我现在进入了面试流程。也就是说，我刚刚通过了资格线，现在正式成为他们的候选人。
深度解析。这通常发生在研究报告或研究讨论期间，我会详细阐述某项研究的动机和细节。有时，这样的报告可能只有短短的 20 分钟。
因此在某种程度上，除了建立信誉之外，发表论文的数量本身并不重要。就我而言，我的多语种研究论文数量远远超过我的 AI 安全方向的论文 —— 但鉴于我已经转向 AI 安全研究，这些论文，包括我获得最佳论文奖的论文，都与我的面试结果无关。（注：Yong Zheng-Xin 的工作曾获得 NeurIPS 2023 SoLaR 最佳论文）
这其实是一种解放，因为这意味着你可以随时转型到你认为有影响力的新领域，只要你在该领域展现出足够的专业技能，并且团队也需要你，你仍然可以获得梦寐以求的工作机会。另一方面，这也意味着你需要不断学习和掌握行业动态，因为过去的成功对你是否能获得新的工作机会的影响较小。
意外之二：面试环节非常多样化
我最初参加面试时，以为面试形式会和应届软件工程师的面试类似（例如，Leetcode 风格的问题和行为面试），再加上一些关于 LLM / 深度学习的技术面试。
面试环节似乎有某种标准化的模式 —— 我认为 Alisa 和 Silvia 的博客就给人留下了这样的印象。
出乎意料的是，我在求职过程中竟然被问到了系统设计以及并行编程（例如如何使用 asyncio 并行计算来实现并发操作）方面的问题。我还了解到，有些面试环节会考察你使用 AI 智能体的能力。总而言之，这说明你应该时刻准备好应对各种意想不到的问题和面试环节。
意外之三：工作试用
这对我来说完全是全新的体验。看到 Alisa 的帖子时我也很惊讶，因为我一直以为试用期只在 AI 安全岗位上比较常见。看来，在 AI 初创公司里，试用期也越来越普遍了。
工作试用与现场面试完全不同 —— 你无需飞往公司进行多轮现场面试；相反，你将与团队合作解决一项任务。有时，这项任务可能是开放式的。
这些工作试用通常都有报酬，但令我惊讶的是，有些现场工作试用可以持续长达一周。
对我来说，参加工作试用会让我很难准备其他公司的面试，因为我必须全力以赴完成当前的工作任务，根本没有精力准备其他公司的面试。安排面试时，尤其是在同时面试多家公司且时间紧迫的情况下，你应该考虑到这一点。
意外之四：时机非常重要
在当前的就业市场中，时机起着至关重要的作用。
例如，去年秋季，与强化学习相关的职位相比，AI 安全方面的职位非常难找。但现在，有更多初创公司提供与 AI 安全相关的机会（例如 Lila 和 Mechanize）。
关于时机如何影响你寻找全职工作，有几点值得探讨：
你的作品迅速走红，很多机构都对你的作品很感兴趣，想要招募你。你可能会对这个时机感到措手不及，而你现在最好的做法就是抓住这个机会，积极参加面试。
你的研究领域越来越热门。这与我上面提到的 AI 安全案例有关。你可以推断，相关的机会也越来越多。求职申请窗口可能短至不到一个月，也可能长达数月，因为公司都在努力扩张。
职位需求。如果你计划推迟面试或进行一些关于如何同时面试多家公司的计划，那么你应该向招聘人员询问这个问题。
工作邀约纷至沓来。如果你遇到这种情况，可以要求其他公司加快面试流程。如果一天之内要连续参加三场面试，而你只有不到一天的准备时间，也不要感到惊讶。
要求推迟面试开始时间（比如推迟一两个月）是合理的，但通常一旦开始面试，每轮面试之间的间隔时间都很短。另外需要注意的是，有些职位希望你在接下来的一两个月内入职，不过入职日期是可以协商的。
意外之五：留用通知很少见
与软件工程职位（通常会提供留用机会，Return offer）相比，研究职位则需要具体情况具体分析。
例如，2024 年我在 Meta 实习期间，全职转正的机会很少，而且很大程度上取决于团队规模。我的很多朋友都没能获得转正机会。至于我申请的 OpenAI Astra 奖学金，我仍然需要像其他申请者一样，经历所有面试环节才能最终加入 OpenAI。
我听说有些机构的面试流程比较快捷；例如，如果团队匹配成功，你只需要再经历一两轮面试。
意外之六：很多面试与你的主题无关
这让我感到意外，因为我当时正从能力研究（多语言能力）转向安全研究，我以为安全相关的面试会在整个面试流程中占据很大比例。我在 Astra Fellowship 项目期间，Constellation 内部就 AI 安全问题展开了大量讨论，这更加深了我的这种印象。
那不是事实。
事实上，我遇到过很多与 AI 安全完全无关的案例，更不用说与我的研究方向相关了。我相信我的经历与 Alisa 和 Silvia 的类似（尽管她们的研究领域与人工智能不同）。
在少数几个地方，我感觉面试官仍然在评估我作为 AI 研究员的全面性。我认为这有其合理之处（例如，AI 领域发展迅速，所以夯实基础很重要等等），但我原本预期会遇到更多与 AI 安全相关的问题，因为在我看来，这是一个亟待解决的研究课题，而且它仍然是一个相对小众的领域。或许，对于高级职位，我的面试经历会有所不同。
对于安全研究人员：如果这对你有帮助，我与他人合写了一篇 LessWrong 文章（https://www.lesswrong.com/posts/dvsFfGuXXyHYkyifp/tips-for-cracking-the-ai-safety-technical-interview-1），内容是关于安全相关的轮次，但预计提出的问题会有很多多样性。
以下是更多阅读资源：
1、Nathan Lambert——Thoughts on the job market in the age of LLMs：https://www.interconnects.ai/p/thoughts-on-the-hiring-market-in
2、Alisa Liu——Notes on the Industry Job Search：https://alisawuffles.github.io/blog/job-search/
3、Silvia Sapora——ML Job Interviews: The Ultimate Guide：https://silviasapora.github.io/blog/ml-interviews.html
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com
富灯网配资提示：文章来自网络，不代表本站观点。
