header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
掃碼下載APP
Partnered With:

從57場面試到OpenAI offer:一位NLP博士的求職複盤火了

閱讀本文需 9 分鐘
6 年 57 場面試,談薪比刷題更難。
原文標題:《從 57 場面試到 OpenAI offer:一位 NLP 博士的頂級 AI 公司求職複盤火了》
原文來源:機器之心


機器之心編輯部今天,華盛頓大學即將畢業的博士生 Alisa Liu 要加入 OpenAI 的消息上了 X 熱搜。


主貼瀏覽量已突破百萬,她表示這次找工作的過程比想象中更有挑戰,但也收穫滿滿。


所以她寫了一篇小博客,分享一路走來學到的經驗,也希望能讓下一個經歷這個過程的人少一點困惑。



如果你正在讀博,或者即將走上求職這條路,這篇文章值得認真看完。Alisa Liu 研究旨在為語言模型構建更好的算法,包括 tokenization、數據創建和推理時適應等方向。畢業後,她拿到多家頂尖 AI 公司的 Research Scientist /MTS offer。


因此,她把整個求職過程寫成了一篇複盤,毫無保留——包括那些讓她崩潰的時刻。博客開頭,她寫到在讀博的大部分時間裡,求職在她腦子裡就像霍格沃茨的分院帽:高年級的師兄師姐消失幾個月,再出現時,命運已經決定。她知道他們去了哪裡,卻對中間發生了什麼幾乎一無所知。


直到輪到她自己,才發現這個過程遠比想象中殘酷,而且她一直在「一邊學規則,一邊打牌」。這篇文章,是她寫給還沒開始的人的。


博客地址:
https://alisawuffles.github.io/blog/job-search/


6 年 NLP 博士,她申請的是 Research Scientist 和 Member of Technical Staff 崗位。整個求職期間,參與了 11 家公司的面試流程,完成了 57 場正式面試,接了 46 個招募電話,在拿到 offer 之後又進行了 16 次深度溝通,另外還有數不清的非正式 networking 對話。


有幾家公司給了她心儀的 offer,她主動撤回了其他流程;也有幾家公司,招募方再也沒有回音。



要不要「練手」,是一個複雜的問題


關於面試順序,流傳最廣的建議是:先用幾家不那麼在意的公司練手,然後把真正想去的公司集中推進,爭取 offer 同時到手,方便後期談薪。


這個邏輯大致沒錯,但她在實際操作中發現,事情比這複雜。


首先,精力是有限的。練手有用,但如果把前面幾家當炮灰,打到精疲力竭,等輪到真正想去的地方時,狀態已經垮了。


其次,面試的時間節點並不完全由你掌控。某家公司有沒有招聘名額、哪個團隊正在積極招人,這些外部因素的影響往往比你的「準備程度」更大,可以通過內部朋友或招募方提前摸底。


第三,offer 的截止日期通常比你想象的更有彈性,招募方知道你在同時推進多個流程,一般會配合。但她也提醒:確實存在給出極短簽約窗口的「爆炸式 offer」,務必提前打聽清楚遊戲規則。


七種面試,考的完全不是同一件事


她把自己經歷過的所有面試歸納為七種類型,並特別強調:整體來看,技術能力的考察遠重於研究經歷本身。當然,研究經歷可能是讓你拿到面試機會的原因。


頻率最高的,是 ML 代碼題。題目可能是實現某個經典架構,比如 Transformer;可能是實現一種解碼策略,比如 beam search;也可能是傳統 ML 算法,或者一些非常有創意的變體。PyTorch 是必須熟練掌握的工具。她偶爾也遇到只允許用 numpy 的情況,比如從零手寫反向傳播,但面試官不會要求她提前熟悉所有 numpy 語法。


然後是通用算法題,也就是 LeetCode 風格,有時加一些背景包裝。她表示這部分的底層邏輯和 ML 代碼題高度重疊,打好基礎會讓兩類題目都受益。


技術討論是不寫代碼但很燒腦的一類。有時候整場面試圍繞一個問題展開:給你一個研究目標,你來設計實驗,面試官追問你的設計決策,給你假設性的結果,讓你分析並設計下一步——考察的是你的思維方式。另一種形態則是快速連續拋出大量問題,比如「位置編碼有哪些不同的實現方式」、「什麼是 5D 並行」、「PPO 和 GRPO 有什麼區別」,在短時間內摸清你的知識廣度。


研究經歷討論是最接近 PhD 日常訓練的一類,通常從「介紹一個你做過的項目」開始,然後順著這個話題深入展開,面試官也可能就簡歷上的其他論文提問。她在準備這類面試時,會刻意從更高處俯視自己的研究——為什麼選這個題目、做的過程中積累了哪些獨到的判斷、未來最有價值的方向在哪裡。她還會根據不同公司的方向調整自己的研究介紹角度,原話是:面試官都很疲憊,讓他們快速感受到「你的背景和我們的需求高度匹配」,比什麼都重要。


行為面試是她唯一有過慘敗記錄的類型。她說自己第一次行為面試完全沒當回事,覺得自己「顯然行為端正」,結果被問到最基礎的問題時,腦子裡一片空白,只能當場現場拚湊模糊的記憶。


面試結束時,面試官說了一句讓她如坐針毡的話:「你沒有回答我的問題。」她在文章裡說,那種痛苦是獨特的——你同時在搜索記憶、整理思路、開口表達,三件事都沒做好。正確的方法是提前把 PhD 期間所有值得講的故事都整理出來,按照常見行為題的框架做好映射,等到被問的時候,直接提取。


數學面試在部分公司存在,難度從趣味邏輯題到需要紙筆推導的嚴肅計算題都有。她建議複習概率論、線性代數和微積分。


最後是 Job Talk,相比學術界的版本更短、更聚焦。她的 job talk 以 tokenization 為核心,主要深講了一篇第一作者論文,輔以幾篇二作和進行中的工作,內容恰好能串聯成一條完整的敘事線。


準備這件事,沒有捷徑


她表示,沒有任何事情比認真準備更值得投入時間。她把這段經歷比作回到本科:做筆記、畫圖、刷題、整天泡在咖啡館裡從頭推導 ML 基礎。她專門做了一份 LLM 筆記,在整個求職期間持續更新;還做了一份數學筆記,是為某一場特定的面試臨時抱佛腳趕出來的。


準備路径大致是這樣的:先從頭看完斯坦福《Language Modeling from Scratch》全部課程,用來把腦子裡零散的知識點整合成一張完整的地圖。打好基礎之後,再逐個深挖具體概念,通過讀 blog 和論文、和 AI 大量對話、自己從零手寫實現來真正吃透。


她特別強調了 Transformer 的實現,「能從頭實現和調試一個 Transformer,在面試中出現的頻率高到值得練成肌肉記憶,這裡絕對不能丟分」。


她還提醒:練習時必須完全關掉 AI 輔助工具,模擬真實的面試環境。你會嚴重低估自己對 AI 的依賴程度,直到被迫獨立解題才會發現。


針對每場具體面試,她也會單獨準備,「就像一門你從沒上過課的數學或 CS 課,現在距期中考試只剩大約三天,你需要臨時抱佛腳。」她會從面試描述、公司的技術方向、招募方的暗示和公司的口碑裡綜合判斷這場面試的考察範圍,然後集中突擊最相關的內容。


關於考前狀態,她有一個代價慘重的教訓:第一場技術面試前只睡了兩小時,把一整夜花在複習 LLM Inference 的細節上,結果這些知識一點沒考到,反倒因為睏倦在一道簡單的 off-by-one error 上卡了整整十分鐘,因為「腦子根本轉不動」。結論是:充足的睡眠,比任何最後一刻的臨時複習都重要。


她還提到了一個自己沒想到的收穫:大量備考顯著提升自信心,不再擔心知識盲區被暴露,在學術對話裡也不再需要藏著掖着。她甚至說,如果在 PhD 階段早點做這些準備,能涉足的問題空間會更寬,想到的想法會更多,主動找人聊的對話也會更多。


拿到 offer,只是開始


很多人以為拿到 offer 就結束了。她說,恰恰相反。


接下來是一段可能相當漫長的時間,你要繼續和未來的隊友、manager 深聊,去公司吃飯,接招募方的電話,處理鋪天蓋地的郵件——她承認自己在這個階段有一些郵件一直沒來得及回。


談薪是這個階段最核心的事,也是她覺得最難的事,「我們 PhD 根本沒有準備過這個,而且這件事不像面試,沒辦法靠刷題征服它。招募方在市場信息和談判技巧上都比你有優勢,而且每個人想要的東西都不一樣。」


但不談是不對的。初始 offer 本來就預留了談判空間,不止一位招募方直接告訴她:「我不期望你接受我們的第一個 offer。」在這幾周認真投入,實際上可能抵得上按初始 offer 工作好幾年的收入差距。


她的具体做法是:在每一次招募电话前,寫下自己願意透露什麼、不願意透露什麼,以及一些可以直接背誦的措辭。預測對方可能提出的問題和論點,提前構思應對方案,讓自己能在舒適的狀態下堅守立場。這個過程很耗時,但每一個細節都值得認真對待。


那些沒人說的部分


她在文章快結尾的地方寫了這樣一段話,有必要完整傳達給所有人,「求職期間,她一直在管理大量情緒。和同伴比較是一件很難受的事,而且幾乎不可避免。周圍的人會突然對你的選擇異常在意,充滿各種建議和期待,這種社交壓力本身就很耗神。更難受的是,你要在資訊嚴重不完整的情況下做出影響深遠的重大決定,而很多看似微小的選擇——比如先聯繫誰——都沒有標準答案,卻可能產生不成比例的影響。」


那幾個月她一直處於崩潰邊緣,其他方面的生活基本停擺。「希望你比我找到更多樂趣。如果沒有,至少知道你不是一個人。」


最後想說的


最後,她說了一些關於 PhD 本身的話,可能是這篇文章裡最好的部分。


一路狂奔著走向博士結束,走到了終點,她反而有一種巨大的失落感。博士是一段特殊的時光,你唯一的責任是產生好想法、執行它們、學習和成長,不需要立刻為謀生發愁。


她希望這篇文章能讓你在面對未來時少一點迷茫,同時也提醒你,不必因為焦慮而過早透支當下。一路走來,她越來越清楚地意識到,自己做得最好的那些工作往往都發生在真正享受研究、並被某個問題反覆牽引的時候。對未來保持準備,和對當下保持熱愛,這兩件事其實可以同時成立。


原文链接


歡迎加入律動 BlockBeats 官方社群:

Telegram 訂閱群:https://t.me/theblockbeats

Telegram 交流群:https://t.me/BlockBeats_App

Twitter 官方帳號:https://twitter.com/BlockBeatsAsia

選擇文庫
新增文庫
取消
完成
新增文庫
僅自己可見
公開
保存
糾錯/舉報
提交