機器之心編輯部

布朗大學的博士生 Yong Zheng-Xin 今天自宣了下個月將正式加入 OpenAI，作為 Astra Fellow 專注于 AI 的安全研究（AI Safety Research）。

Yong Zheng-Xin 在布朗大學攻讀博士時的導師為 Stephen Bach，研究方向包含提升模型多語言能力及前沿 AI 安全與對齊。他目前重點關(guān)注的領(lǐng)域是 AGI/ASI（通用 / 超級人工智能）的風險防范與準備工作。他深入研究了可擴展監(jiān)督（Scalable Oversight）、模型對齊的泛化能力，以及大模型在面對多語言等復雜提示時的對抗魯棒性和越獄漏洞。

上個星期，同是即將畢業(yè)的博士，華盛頓大學的 Alisa Liu 在加入 OpenAI 的消息上了 X 熱搜，瀏覽量超過了百萬（參見：《從 57 場面試到 OpenAI offer：一位 NLP 博士的頂級 AI 公司求職復盤火了》）。

Yong Zheng-Xin 在看到 Alisa Liu 的面試分享之后獲得啟發(fā)，也介紹了自己在求職研究科學家時的一些經(jīng)歷。

相比于 Alisa 分享的如何準備面試等更為標準化的經(jīng)驗，Zheng-Xin Yong 的這篇博客《Surprising lessons from my research scientist job search》 提供了一個不同的視角。

作為一個在博士最后一年從多語言大模型跨界轉(zhuǎn)向 AI 安全領(lǐng)域的候選人，他總結(jié)了 6 個讓他在求職過程中感到非常意外（Surprise）的有趣洞察，非常值得一看：

鏈接：https://yongzx.github.io/blog/2026/06/24/job-search/

最近，計算機科學博士生 Alisa 和 Silvia 分別發(fā)表了兩篇博文，講述了她們?nèi)绾螠蕚洳⒊晒M入 OpenAI 和谷歌 DeepMind 等前沿實驗室。我強烈推薦這兩篇文章。在看到推特上的反響后，我想從另一個角度分享一下：我在自己尋找科研人員工作的過程中，有哪些意想不到的經(jīng)歷讓我感到驚訝。

這篇文章主要面向兩個讀者群體：

1. 計算機科學（CS）博士畢業(yè)生，可能和我一樣，花了 5-6 年時間撰寫多篇研究論文，現(xiàn)在正努力尋找行業(yè)機會。
2. 正在申請全職職位的 AI 安全研究員。

免責聲明：本文寫作過程中未使用任何大語言模型。

個人經(jīng)歷

我是布朗大學的五年級博士生。我的求職經(jīng)歷有點特殊，因為我在博士最后一年改變了研究方向。

2025 年秋季，我申請了多語言和人工智能安全方面的職位，但收到的大多是多語言 / 后訓練的研究科學家機會。這是因為我的研究組合中涉及核心 AI 安全課題的工作較少。

在學期中，我決定全身心投入 AI 安全研究，因為我認為隨著通用人工智能（AGI）/ 超級人工智能（ASI）的到來，AI 安全領(lǐng)域有很多重要方面亟需關(guān)注。因此，當我獲得 Astra 獎學金時，我決定暫停求職幾個月，專注于做好獎學金項目，以便更勝任 AI 安全領(lǐng)域更具影響力的職位。為此，我拒絕了一些現(xiàn)有的工作機會，并將畢業(yè)時間推遲到 2027 年。

臨近研究項目結(jié)束，我重新開始找工作，但事情進展得比我最初設(shè)想的要混亂一些。我原本計劃在六月結(jié)束研究項目，將研究成果整理成論文，然后開始面試（這意味著我應該在七月才開始面試）。然而由于時間安排的原因（以及）對職位資源不足的擔憂，我大約在五月中旬就開始了面試，并在六月中旬之前就收到了幾份令我非常滿意的 offer。事實上，我甚至退出了一些正在進行的面試，都沒有機會充分了解其他選擇。

總而言之，我很慶幸事情最終順利解決，我不用再為資金問題煩惱（因為我推遲了畢業(yè)），也不用再承受持續(xù)找工作的焦慮（至少短期內(nèi)應該如此）。我無法用語言表達我對所有在此過程中支持我的人的感激之情。

意外之一：求職過程中，真正重要的只有一兩篇論文

根據(jù) Alisa 的帖子和反應，或許很多人已經(jīng)知道，面試（例如 LeetCode）可能與你所做的研究工作無關(guān)。

我甚至可以說在求職過程中，真正重要的可能只有一兩篇論文。有時候，甚至一篇論文都不需要，我的評價完全取決于我當場解決團隊問題的能力。

根據(jù)我的經(jīng)驗，你的論文作用主要有兩個：

1. 獲得面試機會。我做過一些目標團隊喜歡的項目，或者我的論文展現(xiàn)了團隊正在尋找的某種專業(yè)技能，所以我現(xiàn)在進入了面試流程。也就是說，我剛剛通過了資格線，現(xiàn)在正式成為他們的候選人。
2. 深度解析。這通常發(fā)生在研究報告或研究討論期間，我會詳細闡述某項研究的動機和細節(jié)。有時，這樣的報告可能只有短短的 20 分鐘。

因此在某種程度上，除了建立信譽之外，發(fā)表論文的數(shù)量本身并不重要。就我而言，我的多語種研究論文數(shù)量遠遠超過我的 AI 安全方向的論文 —— 但鑒于我已經(jīng)轉(zhuǎn)向 AI 安全研究，這些論文，包括我獲得最佳論文獎的論文，都與我的面試結(jié)果無關(guān)。（注：Yong Zheng-Xin 的工作曾獲得 NeurIPS 2023 SoLaR 最佳論文）

這其實是一種解放，因為這意味著你可以隨時轉(zhuǎn)型到你認為有影響力的新領(lǐng)域，只要你在該領(lǐng)域展現(xiàn)出足夠的專業(yè)技能，并且團隊也需要你，你仍然可以獲得夢寐以求的工作機會。另一方面，這也意味著你需要不斷學習和掌握行業(yè)動態(tài)，因為過去的成功對你是否能獲得新的工作機會的影響較小。

意外之二：面試環(huán)節(jié)非常多樣化

我最初參加面試時，以為面試形式會和應屆軟件工程師的面試類似（例如，Leetcode 風格的問題和行為面試），再加上一些關(guān)于 LLM / 深度學習的技術(shù)面試。

面試環(huán)節(jié)似乎有某種標準化的模式 —— 我認為 Alisa 和 Silvia 的博客就給人留下了這樣的印象。

出乎意料的是，我在求職過程中竟然被問到了系統(tǒng)設(shè)計以及并行編程（例如如何使用 asyncio 并行計算來實現(xiàn)并發(fā)操作）方面的問題。我還了解到，有些面試環(huán)節(jié)會考察你使用 AI 智能體的能力。總而言之，這說明你應該時刻準備好應對各種意想不到的問題和面試環(huán)節(jié)。

意外之三：工作試用

這對我來說完全是全新的體驗。看到 Alisa 的帖子時我也很驚訝，因為我一直以為試用期只在 AI 安全崗位上比較常見。看來，在 AI 初創(chuàng)公司里，試用期也越來越普遍了

工作試用與現(xiàn)場面試完全不同 —— 你無需飛往公司進行多輪現(xiàn)場面試；相反，你將與團隊合作解決一項任務(wù)。有時，這項任務(wù)可能是開放式的。

這些工作試用通常都有報酬，但令我驚訝的是，有些現(xiàn)場工作試用可以持續(xù)長達一周。

對我來說，參加工作試用會讓我很難準備其他公司的面試，因為我必須全力以赴完成當前的工作任務(wù)，根本沒有精力準備其他公司的面試。安排面試時，尤其是在同時面試多家公司且時間緊迫的情況下，你應該考慮到這一點。

意外之四：時機非常重要

在當前的就業(yè)市場中，時機起著至關(guān)重要的作用。

例如，去年秋季，與強化學習相關(guān)的職位相比，AI 安全方面的職位非常難找。但現(xiàn)在，有更多初創(chuàng)公司提供與 AI 安全相關(guān)的機會（例如 Lila 和 Mechanize）。

關(guān)于時機如何影響你尋找全職工作，有幾點值得探討：

1. 你的作品迅速走紅，很多機構(gòu)都對你的作品很感興趣，想要招募你。你可能會對這個時機感到措手不及，而你現(xiàn)在最好的做法就是抓住這個機會，積極參加面試。
2. 你的研究領(lǐng)域越來越熱門。這與我上面提到的 AI 安全案例有關(guān)。你可以推斷，相關(guān)的機會也越來越多。求職申請窗口可能短至不到一個月，也可能長達數(shù)月，因為公司都在努力擴張。
3. 職位需求。如果你計劃推遲面試或進行一些關(guān)于如何同時面試多家公司的計劃，那么你應該向招聘人員詢問這個問題。
4. 工作邀約紛至沓來。如果你遇到這種情況，可以要求其他公司加快面試流程。如果一天之內(nèi)要連續(xù)參加三場面試，而你只有不到一天的準備時間，也不要感到驚訝。

要求推遲面試開始時間（比如推遲一兩個月）是合理的，但通常一旦開始面試，每輪面試之間的間隔時間都很短。另外需要注意的是，有些職位希望你在接下來的一兩個月內(nèi)入職，不過入職日期是可以協(xié)商的。

意外之五：留用通知很少見

與軟件工程職位（通常會提供留用機會，Return offer）相比，研究職位則需要具體情況具體分析。

例如，2024 年我在 Meta 實習期間，全職轉(zhuǎn)正的機會很少，而且很大程度上取決于團隊規(guī)模。我的很多朋友都沒能獲得轉(zhuǎn)正機會。至于我申請的 OpenAI Astra 獎學金，我仍然需要像其他申請者一樣，經(jīng)歷所有面試環(huán)節(jié)才能最終加入 OpenAI

我聽說有些機構(gòu)的面試流程比較快捷；例如，如果團隊匹配成功，你只需要再經(jīng)歷一兩輪面試。

意外之六：很多面試與你的主題無關(guān)

這讓我感到意外，因為我當時正從能力研究（多語言能力）轉(zhuǎn)向安全研究，我以為安全相關(guān)的面試會在整個面試流程中占據(jù)很大比例。我在 Astra Fellowship 項目期間，Constellation 內(nèi)部就 AI 安全問題展開了大量討論，這更加深了我的這種印象。

那不是事實。

事實上，我遇到過很多與 AI 安全完全無關(guān)的案例，更不用說與我的研究方向相關(guān)了。我相信我的經(jīng)歷與 Alisa 和 Silvia 的類似（盡管她們的研究領(lǐng)域與人工智能不同）。

在少數(shù)幾個地方，我感覺面試官仍然在評估我作為 AI 研究員的全面性。我認為這有其合理之處（例如，AI 領(lǐng)域發(fā)展迅速，所以夯實基礎(chǔ)很重要等等），但我原本預期會遇到更多與 AI 安全相關(guān)的問題，因為在我看來，這是一個亟待解決的研究課題，而且它仍然是一個相對小眾的領(lǐng)域。或許，對于高級職位，我的面試經(jīng)歷會有所不同。

對于安全研究人員：如果這對你有幫助，我與他人合寫了一篇 LessWrong 文章（https://www.lesswrong.com/posts/dvsFfGuXXyHYkyifp/tips-for-cracking-the-ai-safety-technical-interview-1），內(nèi)容是關(guān)于安全相關(guān)的輪次，但預計提出的問題會有很多多樣性。

以下是更多閱讀資源：

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