研究科学家求职中的意外收获

我希望能早点知道的事情。

发布于 2026 年 6 月 24 日

最近有两篇博客文章，分别来自计算机科学博士在读生 Alisa 和 Silvia，讲述了她们如何准备并进入 OpenAI 和 Google Deepmind 等前沿实验室的经历。我强烈推荐这两篇文章。在看了 推特上的反应 后，我想从另一个角度分享：我在自己寻找研究科学家岗位的过程中感到惊讶的地方。

这篇文章主要面向两类读者：

1. 计算机科学博士毕业生，可能和我一样，花了 5-6 年时间做多个研究课题，现在正寻找工业界的机会。
2. 申请全职职位的 AI 安全研究员。

声明：写作过程中没有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。我的求职经历有些不同寻常，因为在博士最后一年我做了一些研究方向上的转变。

2025 年秋季，我申请的是多语言和 AI 安全的职位，但主要收到了多语言/后训练方向的研究科学家机会。这是因为我的研究履历中，核心 AI 安全方向的工作较少。

我在那个学期决定，需要完全转向 AI 安全研究，因为我认为随着我们接近 AGI/ASI，AI 安全领域有很多重要的方面需要立即关注。所以当我获得 Astra Fellowship 时，我决定从求职中暂时休息几个月，专注于把这个奖学金项目做好，以便更有资格获得高影响力的 AI 安全职位。为此，我拒绝了已有的 offer，并将毕业时间推迟到了 2027 年。

在奖学金项目接近尾声时，我重新开始求职，事情变得比我原本想象的更加混乱。我最初的计划是在六月完成奖学金项目，将工作整理成论文，然后开始面试（这意味着我将在七月才开始面试）。然而，由于时间原因[^1] 以及我对名额的担忧，我在五月中旬左右开始面试，并在六月中旬之前收到了让我满意的 offer。实际上，我退出了部分正在进行的面试，甚至没有机会完全探索我的选择。

总的来说，我很高兴事情有了着落，这样我就不用处理资金问题（因为我推迟了毕业）以及持续求职带来的焦虑（至少短期内如此，希望如此）。无法用言语表达我对所有在这个过程中支持我的人的感激之情。

惊讶 1：在求职过程中，只有一两篇论文真正重要。

根据 Alisa 的文章 和大家的反应，也许很多人已经知道 面试（比如 LeetCode）可能与你所做的研究工作无关。

我想更进一步说：在求职过程中，只有一两篇论文真正重要。有时甚至一篇都不重要，我只是根据我现场解决团队问题的能力被评估。

根据我的经验，论文的作用主要有两个：

1. 让我有机会进入面试流程。 我做过团队感兴趣的事情，或者我的论文展示了团队正在寻找的某些专业知识，这样我就被放入了面试 pipeline 中。也就是说，我只是通过了门槛，现在被正式考虑为申请人。
2. 深入探讨。 这通常发生在研究展示或研究讨论环节，我会谈论一个工作的动机和细节。有时，这样的展示可能只有 20 分钟那么短。

所以在某种程度上，除了建立可信度之外，论文发表的数量并不真正重要。就我而言，我的多语言研究论文数量远远超过 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。

这实际上是一种解脱，因为这意味着你总是可以转向你认为有影响力的新领域，如果你在该领域展示了足够的专业知识并且团队需要你，你仍然可以获得梦寐以求的 offer。另一方面，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。

惊讶 2：面试环节非常多样化。

我最初以为面试会是类似应届生软件工程师的面试（例如，LeetCode 风格的问题和行为面试），再加上一些关于大语言模型/深度学习的专业技术面试。

我以为面试环节有一些标准化的东西——我相信 Alisa 和 Silvia 的博客文章给人留下了这种印象。

令人惊讶的是，我在求职过程中遇到了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环节会评估你使用 AI Agent 的能力。总之，这里得到的教训是：你应该总是准备好遇到各种奇怪的问题和多样化的面试环节。

惊讶 3：工作试岗。

这对我来说完全是新事物。当我看到 Alisa 的文章中提到这一点时，我也很惊讶，因为我以为工作试岗只在 AI 安全职位中常见。显然，在 AI 初创公司中也越来越常见。

工作试岗与现场面试完全不同——你不会被安排到公司进行多轮现场面试；相反，你会与团队一起解决一个任务。有时，任务可能是开放式的。

这些工作试岗通常是有报酬的，但让我惊讶的是，有些现场工作试岗可能会持续长达一周。

对我来说，进行工作试岗使得为其他公司的面试做准备变得非常困难，因为我必须全力以赴完成当前的任务，没有精力为其他公司的面试做准备。在安排面试时，你应该注意这一点，特别是如果你同时面试多家公司并且周转时间很紧。

惊讶 4：时间点非常重要。

在当前这个就业市场中，时间点起着重要作用。

例如，在去年秋天，找到 AI 安全职位比找到与强化学习相关的职位要困难得多。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）。

关于时间点如何影响你寻找全职职位，有几个讨论点：

1. 你的工作突然走红，很多组织对你的工作感兴趣并想招募你。你可能会被时间点打个措手不及，这里最好的做法就是利用这个时间点，去完成面试。
2. 你的研究领域变得流行起来。这与我上面提到的 AI 安全例子有关。你可以假设机会总体上更多。工作申请窗口可能短至不到一个月，也可能长达几个月，因为公司正在努力扩张。
3. 名额。这是你应该向招聘人员询问的事情，特别是如果你计划推迟面试，或者在进行如何同时面试多家公司的总体规划时。
4. 爆炸式 offer。如果你遇到这种情况，请要求其他公司加快面试进度。如果你不得不在一天内进行三场背靠背的面试，并且只有不到一天的时间准备，不要感到惊讶。

要求晚一点开始面试是合理的（比如你可以推迟一到两个月），但通常一旦你开始面试，每轮之间的间隔通常很短。另一个相关说明是，有些职位希望你在一两个月内到岗，不过开始日期可以协商。

惊讶 5：返回 offer 很少见。

与软件工程职位通常有返回 offer 的惯例不同，对于研究岗位，这需要具体情况具体分析。

例如，在我 2024 年 Meta 的实习期间，返回全职 offer 很少见，并且高度依赖于名额和团队。我的很多朋友都没有拿到。对于我在 OpenAI 的 Astra Fellowship，我仍然需要像其他申请人一样经历所有面试轮次才能进入 OpenAI。

我听说有一些其他组织的面试流程更快捷；例如，如果团队匹配成功，你只需要再经过一到两轮面试。

惊讶 6：很多面试与你的研究主题无关。

这让我很惊讶，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在整个面试流程中占很大比例。这种印象因我在 Astra Fellowship 期间 Constellation 内部频繁进行的 AI 安全讨论而加深。

但事实并非如此。

事实上，我遇到了很多与 AI 安全完全无关的面试轮次，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 分享的类似（尽管她们从事的是其他 AI 领域）。

在一些地方，我仍然感觉自己被评估为是否是一名全面的 AI 研究员。我认为这有它的道理（例如，领域发展迅速，因此检查基础非常重要等），但我原本预期 AI 安全相关问题的比例会更高，因为在我看来这是一个紧迫的研究课题，而且它仍然是一个相对小众的领域。也许对于更高级的职位，我的面试经历会有所不同。

对于安全研究员： 如果对你有帮助，我合写了一篇 LessWrong 上的文章 关于安全特定的面试轮次，但请期待问题的多样性。

我推荐的阅读资源（2026）：

以下是我可以担保的关于如何为就业市场做准备的资源。

1. Nathan Lambert – Thoughts on the job market in the age of LLMs
2. Alisa Liu – Notes on the Industry Job Search
3. Silvia Sapora – ML Job Interviews: The Ultimate Guide

[^1]: 我的一个（副）项目 受到了好评，并在四月份收到了招聘经理的主动邮件/私信。

• 原文链接： yongzx.github.io/blog/20...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～