文章核心观点 - 文章通过分享一位即将加入OpenAI的博士生Alisa Liu的求职复盘，详细拆解了顶尖AI公司研究科学家岗位的求职过程、面试准备与谈判策略，旨在为后来者提供经验参考，减少信息不对称和困惑 [1][2] - 求职过程复杂且充满挑战，远超博士生此前的想象，需要“一边学规则，一边打牌”，涉及大量面试、Networking和情绪管理 [2][4] - 充分的、有针对性的准备是成功的关键，能显著提升技术能力和自信心，而拿到录用通知后谈判薪资等环节同样至关重要 [16][20] - 博士阶段应平衡对未来职业的准备与对当下研究的热爱，最好的工作往往产生于真正享受研究并被问题牵引的时候 [23] 求职过程与策略 - **面试规模**：求职期间参与了**11家**公司的面试流程，完成了**57场**正式面试，接了**46个**招募电话，拿到录用通知后还进行了**16次**深度沟通 [4] - **面试顺序策略的复杂性**：传统“先练手后集中推进”的策略需调整，需考虑个人精力有限、外部招聘名额与时间节点不可控、以及录用通知截止日期的弹性等因素 [6][7][8] - **录用通知谈判**：初始录用通知通常预留谈判空间，认真谈判可能抵得上按初始录用通知工作好几年的收入差距，但谈判过程困难，需要PhD求职者提前精心准备应对策略和措辞 [20] 面试类型与考察重点 - **七种面试类型**：归纳为ML代码题、通用算法题、技术讨论、研究经历讨论、行为面试、数学面试和Job Talk，整体上技术能力考察重于研究经历本身 [9][10] - **ML代码题**：频率最高，需熟练掌握PyTorch，题目可能涉及实现Transformer等经典架构、解码策略或传统ML算法 [10] - **技术讨论**：考察思维方式，可能围绕一个研究目标展开实验设计讨论，或快速连续提问以考察知识广度 [11] - **研究经历讨论**：需从更高视角俯视自己的研究，并根据不同公司的需求调整介绍角度，让面试官快速感知背景匹配度 [11] - **行为面试**：需提前将PhD期间所有值得讲的故事按常见问题框架整理映射，避免临场发挥失败 [12] - **Job Talk**：相比学术版本更短、更聚焦，最好能围绕核心工作串联成完整叙事线 [13] 备考方法与经验 - **系统性备考**：备考无捷径，需投入大量时间系统学习，例如从头看完斯坦福相关课程整合知识地图，再深挖具体概念 [16] - **关键技能掌握**：能从头实现和调试一个Transformer至关重要，需练成肌肉记忆 [17] - **模拟真实环境**：练习时必须完全关掉AI辅助工具，以准确评估自身独立解题能力 [18] - **针对性突击**：针对每场具体面试，需从多方信息判断考察范围，并进行集中突击准备 [18] - **考前状态管理**：充足的睡眠比任何临时复习都重要，睡眠不足会严重影响面试表现 [18] - **备考的额外收获**：大量备考能显著提升自信心，拓宽可涉足的问题空间和想法 [18] 求职中的挑战与心态 - **情绪管理与社交压力**：求职期间需管理大量情绪，不可避免会与同伴比较，并承受周围人的建议和期待带来的社交压力 [22] - **决策压力**：需在信息严重不完整的情况下做出重大决定，且许多微小选择没有标准答案却可能影响巨大 [22] - **生活状态**：求职期间可能长期处于崩溃边缘，其他方面的生活基本停摆 [22]