機(jī)器之心報(bào)道

編輯：澤南、Panda

和 Ilya 聊天也算面試的一種？

在你的職業(yè)生涯中，在哪里經(jīng)歷過的面試是最酷的？

近日，Meta 研究者 Lucas Beyer 在 上發(fā)起的一個(gè)投票吸引了眾多圍觀。說是圍觀，是因?yàn)樗o出的四個(gè)選項(xiàng)都是當(dāng)今或過去的 AI 大廠，顯然，并不是每個(gè)人都有在這些大廠的面試經(jīng)歷，但這并不妨礙全球 AI 開發(fā)者的好奇心。

當(dāng)然，Lucas Beyer 之所以給出這樣的選項(xiàng)，是因?yàn)樗救司陀性谶@些大廠的工作經(jīng)歷。這位已有超過 9.4 萬引用的研究科學(xué)家曾在 OpenAI、DeepMind、谷歌大腦、亞琛工業(yè)大學(xué)工作過。今年 6 月，他與 Alexander Kolesnikov 和 Xiaohua Zhai（翟曉華）三位研究者一起被扎克伯格從 OpenAI 挖走，詳見報(bào)道《剛剛，OpenAI 蘇黎世辦公室被 Meta 一鍋端，三名 ViT 作者被挖走》。

圍觀之外，該話題也吸引了大量討論。其中之一是剛剛當(dāng)選美國國家人工智能科學(xué)院院士的謝賽寧（Saining Xie）。他表示，自己在各家 AI 大廠的面試經(jīng)歷「令人難忘」。

作為 AI 領(lǐng)域內(nèi)我們耳熟能詳?shù)拇笈?，謝賽寧有過很多大廠面試的經(jīng)歷，他在紐約大學(xué)任教之前，曾在 Meta 擔(dān)任過研究科學(xué)家，博士期間也曾在 DeepMind、Google Research、FAIR 實(shí)習(xí)。他表示，自己經(jīng)歷的 LLM 面試都是在 2019 年以前，都是面對面的，沒有用 AI 作弊的機(jī)會(huì)。

謝賽寧表示，過去的 DeepMind（沒有和谷歌合體的版本）的面試方式說來比較「殘酷」，在一場長達(dá)兩小時(shí)的馬拉松面試過程中，你要嘗試解決 100 多個(gè)數(shù)學(xué)、統(tǒng)計(jì)、機(jī)器學(xué)習(xí)方面的問題。

相比刷題大法，Meta FAIR 的面試更像是學(xué)術(shù)領(lǐng)域的面試，外加一些編碼內(nèi)容，其亮點(diǎn)在于和 Piotr Dollar（FAIR 主任）、Ross Girshick（已離開 Meta FAIR 的超 60 萬引用科學(xué)家，創(chuàng)立了目前處于隱身模式的公司 Vercept）跟何愷明（ResNet 作者，現(xiàn) MIT 教授）聊視覺研究的問題的體驗(yàn)。

在谷歌大腦、Google Research 的研究也是類似的「教職面試」方式。謝賽寧當(dāng)年遇到的編程題面試官是知名 AI 學(xué)者 Noam Shazeer，他很友好地幫忙簡化了兩個(gè)指針式問題。面試的大部分時(shí)間都在討論研究，謝賽寧解釋了如何將一種叫做 Transformer 的東西應(yīng)用于視覺數(shù)據(jù)（點(diǎn)云）。他表示這個(gè)話題在當(dāng)時(shí)還是一個(gè)前沿的問題，幾乎沒有人關(guān)心。

最后是最值得一提的故事 —— 他在 2018 年去 OpenAI 面試的經(jīng)歷。整個(gè)面試過程是以白板編程、研究報(bào)告，在一個(gè)小房間內(nèi)長達(dá)五個(gè)小時(shí)的「會(huì)議」的形式進(jìn)行的。

當(dāng)時(shí)的議題是討論一個(gè)強(qiáng)化學(xué)習(xí)問題（交叉熵方法中的方差崩潰）。謝賽寧表示，他當(dāng)時(shí)對強(qiáng)化學(xué)習(xí)幾乎一無所知。但這正是重點(diǎn)所在：OpenAI 會(huì)給你一份完整的問題描述，是由 OpenAI 聯(lián)合創(chuàng)始人 John Schulman 親自手寫布置的，他們會(huì)希望你進(jìn)行學(xué)習(xí)、研究、解決、寫在筆記本上，然后進(jìn)行演示。

他還曬出了當(dāng)年在 OpenAI 面試時(shí)寫的白板編程結(jié)果。

現(xiàn)在看來，這種面試的方式顯得有點(diǎn)懷舊了。不過在這一連串的面試經(jīng)歷中，我們既看到了各家大廠截然不同的風(fēng)格，也能窺見一些他們當(dāng)初的研究方向，比如 Meta 對計(jì)算機(jī)視覺領(lǐng)域的重視，以及 OpenAI 一直以來在強(qiáng)化學(xué)習(xí)方向上的布局。面試的問題，可能也是這些機(jī)構(gòu)的研究者們當(dāng)時(shí)正在思考的。

當(dāng)時(shí)的面試官，現(xiàn)任 Thinking Machines Lab 聯(lián)合創(chuàng)始人兼首席科學(xué)家的 John Schulman 在謝賽寧的帖子評論說，謝賽寧是前兩個(gè)接受該面試的人。這也讓謝賽寧不禁感嘆：「當(dāng)時(shí)根本不知道未來七年世界會(huì)發(fā)生多大的變化?！?/p>

除了謝賽寧，我們也看到了其他一些人的經(jīng)驗(yàn)分享。

前 Mutable.ai 創(chuàng)始人、正在谷歌開發(fā) AI 智能體的 Omar Shams 表示之前的 DeepMind 的面試非常精彩，不僅涉及代碼，還涉及數(shù)學(xué)、統(tǒng)計(jì)、機(jī)器學(xué)習(xí)等。他還記得當(dāng)時(shí)的面試官是現(xiàn)已加入 Thinking Machines Lab 的 Jacob Menick。有意思的是，前者也正好是后者首個(gè)面試的人，并且還獲得了后者的滿分評價(jià) —— 也難怪這么難忘了。

正在 Meta 參與開發(fā) PyTorch 的 Felipe Mello 回想了一次難忘的谷歌面試。當(dāng)時(shí)，面試官要求他編寫單元測試，并分享了他解決過的最困難的 bug。

馬里蘭大學(xué)博士后 Ashwinee Panda 則更是在一次 xAI 聯(lián)合創(chuàng)始人張國棟（Guodong Zhang）的面試中收獲了一個(gè)研究靈感，并最終將其擴(kuò)展成了一項(xiàng)研究成果。

微軟研究者劉力源也有類似的經(jīng)歷。

曾在 Meta 和 DeepMind 工作過的麥吉爾大學(xué)兼職教授 Rishabh Agarwal 則分享了自己被 Christian Szegedy（曾在谷歌工作過多年，xAI 聯(lián)合創(chuàng)始人、現(xiàn)任 Morph Labs 首席科學(xué)家）面試的經(jīng)歷。當(dāng)時(shí)，他被要求解決一個(gè)關(guān)于兩人投擲飛鏢游戲的難題，該游戲具有相同的概率分布，要求找出第一個(gè)玩家獲勝的概率。

Agarwal 回憶說：「我直接在一張餐巾紙上開始數(shù)學(xué)計(jì)算，然后在視頻通話中給他看（挺有意思的）。然后，我們又來回折騰了 30 分鐘，一邊在白板上做計(jì)算，一邊尷尬地把屏幕對著白板?！?/p>

已有超 2 萬引用的 DeepMind 杰出工程師、Gemini 核心開發(fā)者 Rohan Anil 則分享了與 Ilya Sutskever 的一次鼓舞人心的經(jīng)歷?！杆膭?lì)我，優(yōu)化帶來的收益會(huì)遠(yuǎn)比我之前工作帶來的收益更多?！?/p>

最后，在 Lucas Beyer 的投票里，DeepMind（舊版）以 32.1% 的票數(shù)得到了最佳面試者的稱號。不知道這個(gè)結(jié)果是不是符合大家的普遍認(rèn)知？

那么，在你的職業(yè)生涯中，有什么難忘的面試經(jīng)歷與我們分享嗎？

https://x.com/giffmana/status/1960976538838381040