研究科学家求职中的意外教训（11分钟阅读）

# 我作为研究科学家求职中的意外教训 来源：https://yongzx.github.io/blog/2026/06/24/job-search/ 最近有两位计算机科学博士生——Alisa（https://alisawuffles.github.io/blog/job-search/）和Silvia（https://silviasapora.github.io/blog/ml-interviews.html）——写了博客，分享她们如何准备并进入了OpenAI、Google Deepmind等前沿实验室。我强烈推荐阅读。看到Twitter上的反应（https://x.com/ewveggies/status/2069211279366185027?s=20）后，我想从不同角度分享：我在自己的研究科学家求职过程中感到意外的地方。 我写这篇文章主要面向两类读者： 1. 与我相似的计算机科学博士毕业生——花了5-6年时间完成多篇研究论文，现在正寻找行业机会。 2. 申请全职岗位的AI安全研究员。 免责声明：本文未使用任何LLM撰写。 ### 个人经历 我是布朗大学五年级博士生。我的求职经历有点不寻常，因为在博士最后一年我进行了一些研究方向的转变。 在2025年秋季，我申请了多语言和AI安全方向的职位，但收到的多是关于多语言/后训练的研究科学家机会。这是因为我的研究履历中核心AI安全相关的工作较少。 我在这学期决定完全转向AI安全研究，因为我认为随着AGI/ASI的临近，AI安全领域有许多重要方向急需关注。因此，当我获得Astra Fellowship（https://constellation.org/programs/astra）时，我决定暂停求职几个月，专注于做好这个项目，以便自己更有资格从事影响力更高的AI安全角色。为此，我拒绝了已有的offer，并将毕业推迟到2027年。 临近项目结束时，我重新开始求职，但情况比我原先设想的更混乱。我原计划在6月完成项目，将工作整理成论文，然后开始面试（也就是说我本应在7月才开始面试）。然而，由于时间安排的原因¹（https://yongzx.github.io/blog/2026/06/24/job-search/#fn:timing）以及担心人员编制问题，我在五月中旬左右开始，并在六月中旬前拿到了令自己兴奋的offer。实际上，我退出了正在进行的一些面试，甚至没有机会充分探索所有选项。 总的来说，我很高兴事情顺利解决——这样我就不用处理资金问题（因为我推迟了毕业）和持续求职的焦虑（至少短期内如此）。对于所有在这个过程中支持我的人，言语无法表达我的感激之情。 ### 意外1：求职过程中只有一两篇论文真正重要。 根据Alisa的帖子（https://alisawuffles.github.io/blog/job-search/）以及相关反应，也许很多人已经知道**面试（例如LeetCode）可能与你的研究工作无关**。 我想更进一步：在求职过程中，通常只有一两篇论文真正重要。有时甚至一篇都不重要，我只是被评估能否当场解决团队的问题。 根据我的经验，论文的作用主要有两点： 1. **让我获得入场券。** 我做过团队喜欢的工作，或者我的论文展示了团队需要的某种专长，因此我被放入面试流程中。也就是说，我刚刚跨过门槛，正式被考虑为申请人。 2. **深入探讨。** 这通常发生在研究报告或研究讨论中，我会介绍某项工作的动机和细节。有时，这样的展示可能只有20分钟。 所以从某种程度上说，发表论文的数量除了建立可信度外，并不真正重要。以我为例，我的多语言研究论文数量远多于AI安全论文——但鉴于我转向了AI安全研究，这些工作对我的面试结果没有任何影响，包括我获得最佳论文奖的论文。 这实际上**令人释然**，因为这意味着你始终可以转向你认为有影响力的新领域，只要你在该领域展示出足够的专长且团队想要你，仍然可以获得理想offer。反过来，这也表明你需要跟上领域的发展，因为过去的成功对你获得新机会的影响较小。 ### 意外2：面试轮次非常多样化。 我原本以为面试会像应届软件工程师那样（例如LeetCode风格的问题和行为面试），再加上一些关于LLM/深度学习的专业技术轮次。 我以为面试轮次有某种标准——Alisa和Silvia的博客也给人这样的印象。 令人惊讶的是，我在求职过程中遇到了关于系统设计以及并行编程（例如使用`asyncio`实现并发操作）的问题。我还了解到有些面试轮次会评估你使用AI Agent的能力。总之，这里的教训是：你永远要准备好遇到随机问题和多样化的面试轮次。 ### 意外3：工作试验。 这对我来说完全是新鲜事。当我在Alisa的帖子中看到这一点时也很惊讶，因为我原以为工作试验只在AI安全职位中常见。显然，AI初创公司也越来越普遍采用这种方式。 工作试验与现场面试完全不同——你不是飞到公司进行多轮现场面试；而是与团队一起解决一个任务。有时任务可能是开放式的。 这些工作试验通常是有偿的，但让我惊讶的是，有些现场工作试验可能持续长达一周。 对我来说，进行工作试验使得准备其他公司的面试变得非常困难，因为我必须全神贯注于当前的任务，没有精力为其他公司的面试做准备。在安排面试时，特别是如果你同时面试多家公司且时间紧迫，这点需要注意。 ### 意外4：时机非常重要。 在当前就业市场中，时机起着重要作用。 例如，去年秋天，找AI安全相关的职位比找RL相关的职位困难得多。但现在，越来越多的初创公司提供与AI安全相关的机会（例如Lila和Mechanize）。 关于时机如何影响全职职位搜索，有几个讨论点： 1. 你的工作突然走红，很多机构对你的工作感兴趣并想招募你。你可能会被时机打个措手不及，最好的做法是利用这个时机，通过面试。 2. 你的研究方向变得流行。这与我上面提到的AI安全例子相关。你可以假设机会总体上更多了。职位申请窗口可能短至不到一个月，也可能持续数月，因为公司正在扩张。 3. 人员编制。你应该向招聘人员询问这一点，特别是如果你计划推迟面试，或者正在规划如何同时面试多家公司。 4. 爆炸性offer。如果你遇到这种情况，请要求其他公司加速面试。如果你不得不在一天内连续进行三场面试，并且只有不到一天时间准备，也不要感到惊讶。 要求稍晚开始面试是合理的（比如可以推迟一两个月），但通常一旦开始面试，每轮之间的间隔会很短。另一个相关点是，有些职位希望你在一两个月内入职，尽管开始日期可以协商。 ### 意外5：return offer很少见。 与软件工程职位（return offer通常是常态）相比，研究职位的return offer是视情况而定的。 例如，在我2024年的Meta实习中，return全职offer很少见，且高度依赖于人员编制/团队情况。我的许多朋友没有拿到。对于我在OpenAI的Astra Fellowship，我仍然必须像其他申请人一样经历所有面试轮次才能进入OpenAI。 我听说有些其他机构的面试流程会更简化；例如，如果团队匹配成功，可能只需要再经历一到两轮面试。 这让我感到意外，因为我正从能力研究（多语言性）转向安全，我以为安全相关的面试会占整个面试流程的很大一部分。这种印象在Astra Fellowship期间，Constellation内部不断进行AI安全讨论时被放大了。 但事实并非如此。 实际上，我遇到了许多与AI安全完全无关的轮次，更不用说与我的研究兴趣相关了。我相信这种经历与Alisa和Silvia分享的相似（尽管她们研究的是其他AI领域）。 在少数地方，我仍然感觉自己被评估为一名全面发展的AI研究者。我认为这有其优点（例如，领域发展迅速，所以检查基础知识很重要等），但我原本期望AI安全相关问题的比例更高，因为我认为这是一个紧迫的研究课题，而且它仍然是一个相当小众的领域。也许对于高级职位，我的面试经历可能会有所不同。 **对于安全研究人员：**如果对你有帮助，我与人合写了一篇LessWrong帖子（https://www.lesswrong.com/posts/dvsFfGuXXyHYkyifp/tips-for-cracking-the-ai-safety-technical-interview-1）关于安全特定轮次的内容，但请预期会被问到非常多样的问题。 ### 我推荐的阅读资源（2026年）： 以下是经过验证的资源，可以帮助你为就业市场做准备。 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） --- 1. 我可能在六月中旬会忙起来。