布朗大学的博士生 Yong Zheng-Xin 今天自宣了下个月将正式加入 OpenAI，作为 Astra Fellow 专注于 AI 的安全研究（AI Safety Research）。

Yong Zheng-Xin 在布朗大学攻读博士时的导师为 Stephen Bach，研究方向包含提升模型多语言能力及前沿 AI 安全与对齐。他目前重点关注的领域是 AGI/ASI（通用 / 超级人工智能）的风险防范与准备工作。他深入研究了可扩展监督（Scalable Oversight）、模型对齐的泛化能力，以及大模型在面对多语言等复杂提示时的对抗鲁棒性和越狱漏洞。

上个星期，同是即将毕业的博士，华盛顿大学的 Alisa Liu 在加入 OpenAI 的消息上了 X 热搜，浏览量超过了百万（参见：《从 57 场面试到 OpenAI offer：一位 NLP 博士的顶级 AI 公司求职复盘火了》）。

Yong Zheng-Xin 在看到 Alisa Liu 的面试分享之后获得启发，也介绍了自己在求职研究科学家时的一些经历。

相比于 Alisa 分享的如何准备面试等更为标准化的经验，Zheng-Xin Yong 的这篇博客《Surprising lessons from my research scientist job search》 提供了一个不同的视角。

作为一个在博士最后一年从多语言大模型跨界转向 AI 安全领域的候选人，他总结了 6 个让他在求职过程中感到非常意外（Surprise）的有趣洞察，非常值得一看：

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

最近，计算机科学博士生 Alisa 和 Silvia 分别发表了两篇博文，讲述了她们如何准备并成功进入 OpenAI 和谷歌 DeepMind 等前沿实验室。我强烈推荐这两篇文章。在看到推特上的反响后，我想从另一个角度分享一下：我在自己寻找科研人员工作的过程中，有哪些意想不到的经历让我感到惊讶。

这篇文章主要面向两个读者群体：

1. 计算机科学（CS）博士毕业生，可能和我一样，花了 5-6 年时间撰写多篇研究论文，现在正努力寻找行业机会。

2. 正在申请全职职位的 AI 安全研究员。

免责声明：本文写作过程中未使用任何大语言模型。

个人经历

a

我是布朗大学的五年级博士生。我的求职经历有点特殊，因为我在博士最后一年改变了研究方向。

2025 年秋季，我申请了多语言和人工智能安全方面的职位，但收到的大多是多语言 / 后训练的研究科学家机会。这是因为我的研究组合中涉及核心 AI 安全课题的工作较少。

在学期中，我决定全身心投入 AI 安全研究，因为我认为随着通用人工智能（AGI）/ 超级人工智能（ASI）的到来，AI 安全领域有很多重要方面亟需关注。因此，当我获得 Astra 奖学金时，我决定暂停求职几个月，专注于做好奖学金项目，以便更胜任 AI 安全领域更具影响力的职位。为此，我拒绝了一些现有的工作机会，并将毕业时间推迟到 2027 年。

临近研究项目结束，我重新开始找工作，但事情进展得比我最初设想的要混乱一些。我原本计划在六月结束研究项目，将研究成果整理成论文，然后开始面试（这意味着我应该在七月才开始面试）。然而由于时间安排的原因（以及）对职位资源不足的担忧，我大约在五月中旬就开始了面试，并在六月中旬之前就收到了几份令我非常满意的 offer。事实上，我甚至退出了一些正在进行的面试，都没有机会充分了解其他选择。

总而言之，我很庆幸事情最终顺利解决，我不用再为资金问题烦恼（因为我推迟了毕业），也不用再承受持续找工作的焦虑（至少短期内应该如此）。我无法用语言表达我对所有在此过程中支持我的人的感激之情。

意外之一：求职过程中，真正重要的只有一两篇论文

根据 Alisa 的帖子和反应，或许很多人已经知道，面试（例如 LeetCode）可能与你所做的研究工作无关。

我甚至可以说在求职过程中，真正重要的可能只有一两篇论文。有时候，甚至一篇论文都不需要，我的评价完全取决于我当场解决团队问题的能力。

根据我的经验，你的论文作用主要有两个：

1. 获得面试机会。我做过一些目标团队喜欢的项目，或者我的论文展现了团队正在寻找的某种专业技能，所以我现在进入了面试流程。也就是说，我刚刚通过了资格线，现在正式成为他们的候选人。

2. 深度解析。这通常发生在研究报告或研究讨论期间，我会详细阐述某项研究的动机和细节。有时，这样的报告可能只有短短的 20 分钟。

因此在某种程度上，除了建立信誉之外，发表论文的数量本身并不重要。就我而言，我的多语种研究论文数量远远超过我的 AI 安全方向的论文 —— 但鉴于我已经转向 AI 安全研究，这些论文，包括我获得最佳论文奖的论文，都与我的面试结果无关。（注：Yong Zheng-Xin 的工作曾获得 NeurIPS 2023 SoLaR 最佳论文）

这其实是一种解放，因为这意味着你可以随时转型到你认为有影响力的新领域，只要你在该领域展现出足够的专业技能，并且团队也需要你，你仍然可以获得梦寐以求的工作机会。另一方面，这也意味着你需要不断学习和掌握行业动态，因为过去的成功对你是否能获得新的工作机会的影响较小。

意外之二：面试环节非常多样化

我最初参加面试时，以为面试形式会和应届软件工程师的面试类似（例如，Leetcode 风格的问题和行为面试），再加上一些关于 LLM / 深度学习的技术面试。

面试环节似乎有某种标准化的模式 —— 我认为 Alisa 和 Silvia 的博客就给人留下了这样的印象。

出乎意料的是，我在求职过程中竟然被问到了系统设计以及并行编程（例如如何使用 asyncio 并行计算来实现并发操作）方面的问题。我还了解到，有些面试环节会考察你使用 AI 智能体的能力。总而言之，这说明你应该时刻准备好应对各种意想不到的问题和面试环节。

意外之三：工作试用

这对我来说完全是全新的体验。看到 Alisa 的帖子时我也很惊讶，因为我一直以为试用期只在 AI 安全岗位上比较常见。看来，在 AI 初创公司里，试用期也越来越普遍了。

工作试用与现场面试完全不同 —— 你无需飞往公司进行多轮现场面试；相反，你将与团队合作解决一项任务。有时，这项任务可能是开放式的。

这些工作试用通常都有报酬，但令我惊讶的是，有些现场工作试用可以持续长达一周。

对我来说，参加工作试用会让我很难准备其他公司的面试，因为我必须全力以赴完成当前的工作任务，根本没有精力准备其他公司的面试。安排面试时，尤其是在同时面试多家公司且时间紧迫的情况下，你应该考虑到这一点。

意外之四：时机非常重要

在当前的就业市场中，时机起着至关重要的作用。

例如，去年秋季，与强化学习相关的职位相比，AI 安全方面的职位非常难找。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）。

关于时机如何影响你寻找全职工作，有几点值得探讨：

1. 你的作品迅速走红，很多机构都对你的作品很感兴趣，想要招募你。你可能会对这个时机感到措手不及，而你现在最好的做法就是抓住这个机会，积极参加面试。

2. 你的研究领域越来越热门。这与我上面提到的 AI 安全案例有关。你可以推断，相关的机会也越来越多。求职申请窗口可能短至不到一个月，也可能长达数月，因为公司都在努力扩张。

3. 职位需求。如果你计划推迟面试或进行一些关于如何同时面试多家公司的计划，那么你应该向招聘人员询问这个问题。

4. 工作邀约纷至沓来。如果你遇到这种情况，可以要求其他公司加快面试流程。如果一天之内要连续参加三场面试，而你只有不到一天的准备时间，也不要感到惊讶。

要求推迟面试开始时间（比如推迟一两个月）是合理的，但通常一旦开始面试，每轮面试之间的间隔时间都很短。另外需要注意的是，有些职位希望你在接下来的一两个月内入职，不过入职日期是可以协商的。

意外之五：留用通知很少见

与软件工程职位（通常会提供留用机会，Return offer）相比，研究职位则需要具体情况具体分析。

例如，2024 年我在 Meta 实习期间，全职转正的机会很少，而且很大程度上取决于团队规模。我的很多朋友都没能获得转正机会。至于我申请的 OpenAI Astra 奖学金，我仍然需要像其他申请者一样，经历所有面试环节才能最终加入 OpenAI。

我听说有些机构的面试流程比较快捷；例如，如果团队匹配成功，你只需要再经历一两轮面试。

意外之六：很多面试与你的主题无关

这让我感到意外，因为我当时正从能力研究（多语言能力）转向安全研究，我以为安全相关的面试会在整个面试流程中占据很大比例。我在 Astra Fellowship 项目期间，Constellation 内部就 AI 安全问题展开了大量讨论，这更加深了我的这种印象。

那不是事实。

事实上，我遇到过很多与 AI 安全完全无关的案例，更不用说与我的研究方向相关了。我相信我的经历与 Alisa 和 Silvia 的类似（尽管她们的研究领域与人工智能不同）。

在少数几个地方，我感觉面试官仍然在评估我作为 AI 研究员的全面性。我认为这有其合理之处（例如，AI 领域发展迅速，所以夯实基础很重要等等），但我原本预期会遇到更多与 AI 安全相关的问题，因为在我看来，这是一个亟待解决的研究课题，而且它仍然是一个相对小众的领域。或许，对于高级职位，我的面试经历会有所不同。

对于安全研究人员：如果这对你有帮助，我与他人合写了一篇 LessWrong 文章（https://www.lesswrong.com/posts/dvsFfGuXXyHYkyifp/tips-for-cracking-the-ai-safety-technical-interview-1），内容是关于安全相关的轮次，但预计提出的问题会有很多多样性。

以下是更多阅读资源：

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

技术交流群邀请函

△长按添加小助手

扫描二维码添加小助手微信

请备注：姓名-学校/公司-研究方向

（如：小张-哈工大-对话系统）

即可申请加入自然语言处理/Pytorch等技术交流群

关于我们

MLNLP 社区是由国内外机器学习与自然语言处理学者联合构建的民间学术社区，目前已经发展为国内外知名的机器学习与自然语言处理社区，旨在促进机器学习，自然语言处理学术界、产业界和广大爱好者之间的进步。

社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。