6.5
深览指数
职场微博·量子位··AI 生成
57场面试杀进OpenAI！华人博士开源「AI面经」，含泪推荐
一位华人女博士在求职OpenAI期间经历了57场面试，并将整个过程（从准备、拿面试、面经到谈薪）以博客形式开源。文章详细拆解了AI岗位面试的7类主题（ML Coding、Research Discussion等），并分享了日程安排、谈判策略等实操经验。本文核心价值在于提供了一个高度具体、可复制的求职SOP，适合正在或准备投递顶级AI公司岗位的求职者阅读，用以消除信息差和缓解焦虑。原文 ↗
核心观点
- ▍顶级AI公司的求职是一个可以系统化拆解和准备的过程，核心在于通过Networking获取面试机会，并通过针对性训练（而非海投或临场发挥）来通过各类面试环节。
- ▍求职过程中的信息差和谈判技巧（如Offer的谈判空间）对最终结果影响巨大，且学校通常不会教授这些，需要主动获取真实的市场数据。
- 01Alisa Liu在求职过程中经历了57场面试、46次Recruiter Call和无数次Coffee Chat，才最终拿到OpenAI的Offer。
- 02她将AI面试归纳为7类主题：ML Coding、General Coding、Technical Discussion、Research Discussion、Behavioral、Math、Job Talk。
- 03关于面试日程安排，作者指出三个常见坑：练手有成本（精力有限）、时机不受控（Headcount因素）、Offer Deadline有弹性（可以谈判）。
- 04作者认为拿到面试机会的关键不在于简历有多完美，而在于PhD期间建立的人脉和内部推荐（为简历背书），这需要主动参加活动和Networking。
- 05在备考阶段，她推荐了斯坦福的《Language Modeling from Scratch》课程，并强调必须手写代码（如实现Transformer）练成肌肉记忆，且练习时不要依赖AI。
- 06关于谈判，作者发现初始Offer通常预留了谈判空间，并总结了一套SOP：每次通话前明确底线话术、预判对方问题、以及向朋友获取真实市场数据。
- 07作者在面试前一天因熬夜背书导致第二天大脑宕机，花十分钟解决一个简单的off-by-one error，强调了睡眠的重要性。
- 08作者还分享了零基础学习LLM的笔记链接，从神经网络基础到后训练全覆盖。
反方 / 局限
- — 作者承认自己的经历具有特殊性（华盛顿大学博士、谷歌/英伟达经历），其SOP对背景较弱或非NLP方向的求职者可能不完全适用。
- — 文章核心是经验分享而非学术研究，其推荐的备考方法（如刷算法题、死磕论文）的有效性缺乏系统性的横向对比或数据支撑，更多是个人经验之谈。
9 分钟 · 4 卡片 · 6 资料
读原文 →