Mahasiswa doktoral Universitas Brown, Yong Zheng-Xin, hari ini mengumumkan secara pribadi bahwa bulan depan dia akan secara resmi bergabung dengan OpenAI sebagai Astra Fellow, berfokus pada penelitian keamanan AI (AI Safety Research).
Yong Zheng-Xin saat mengambil gelar doktor di Universitas Brown dibimbing oleh Stephen Bach, bidang penelitiannya mencakup peningkatan kemampuan multibahasa model dan keamanan dan penyelarasan AI terdepan. Saat ini, bidang yang menjadi fokus utamanya adalah pencegahan risiko dan persiapan untuk AGI/ASI (Kecerdasan Umum / Super Artifisial). Dia telah mendalami pengawasan yang dapat diskalakan (Scalable Oversight), kemampuan generalisasi penyelarasan model, serta ketahanan adversarial dan kerentanan jailbreak model besar ketika menghadapi prompt kompleks seperti multibahasa.
Pekan lalu, sesama calon doktor yang akan lulus, Alisa Liu dari Universitas Washington, juga menjadi sorotan di X dengan berita bergabungnya ke OpenAI, dengan jumlah tayang melebihi satu juta (lihat: "Dari 57 Interview ke Tawaran OpenAI: Ulasan Pencarian Kerja di Perusahaan AI Top Seorang Doktor NLP Menjadi Viral").
Yong Zheng-Xin terinspirasi setelah membaca pengalaman interview Alisa Liu, dan juga membagikan beberapa pengalamannya sendiri saat melamar menjadi Research Scientist.
Dibandingkan dengan pengalaman Alisa yang lebih standar seperti cara mempersiapkan interview, blog Yong Zheng-Xin berjudul "Surprising lessons from my research scientist job search" ini menawarkan perspektif yang berbeda.
Sebagai kandidat yang pada tahun terakhir doktoral beralih dari model bahasa besar multibahasa ke bidang keamanan AI, dia merangkum 6 wawasan menarik yang membuatnya terkejut (Surprise) selama proses pencarian kerja, sangat layak untuk dibaca:
Tautan:https://yongzx.github.io/blog/2026/06/24/job-search/
Baru-baru ini, mahasiswa doktoral ilmu komputer Alisa dan Silvia masing-masing menerbitkan dua postingan blog yang menceritakan bagaimana mereka mempersiapkan diri dan berhasil masuk ke lab-lab terdepan seperti OpenAI dan Google DeepMind. Saya sangat merekomendasikan kedua artikel ini. Setelah melihat tanggapan di Twitter, saya ingin berbagi dari sudut pandang lain: pengalaman tak terduga apa yang membuat saya terkejut dalam proses mencari pekerjaan sebagai peneliti.
Artikel ini terutama ditujukan untuk dua kelompok pembaca:
- Lulusan doktor Ilmu Komputer (CS), yang mungkin seperti saya, menghabiskan 5-6 tahun menulis beberapa makalah penelitian, dan sekarang sedang berusaha mencari peluang di industri.
- Peneliti keamanan AI yang sedang melamar posisi penuh waktu.
Pernyataan penafian: Artikel ini ditulis tanpa menggunakan model bahasa besar apa pun.
Pengalaman Pribadi
Saya adalah mahasiswa doktoral tahun kelima di Universitas Brown. Pengalaman pencarian kerja saya agak khusus karena saya mengubah arah penelitian di tahun terakhir doktoral.
Musim gugur 2025, saya melamar posisi di bidang multibahasa dan keamanan kecerdasan buatan, tetapi sebagian besar kesempatan yang saya terima adalah untuk Research Scientist di bidang multibahasa / pascapelatihan. Ini karena portofolio penelitian saya hanya memiliki sedikit pekerjaan yang terkait dengan topik inti keamanan AI.
Di tengah semester, saya memutuskan untuk sepenuhnya terjun ke penelitian keamanan AI karena saya percaya dengan kedatangan AGI/ASI, ada banyak aspek penting di bidang keamanan AI yang perlu diperhatikan. Oleh karena itu, ketika saya mendapatkan beasiswa Astra, saya memutuskan untuk menghentikan pencarian kerja selama beberapa bulan, berfokus pada proyek beasiswa agar lebih kompeten untuk posisi-posisi yang lebih berpengaruh di bidang keamanan AI. Untuk itu, saya menolak beberapa tawaran kerja yang ada dan menunda kelulusan hingga tahun 2027.
Mendekati akhir proyek penelitian, saya mulai mencari kerja lagi, tetapi semuanya berjalan lebih kacau dari yang awalnya saya bayangkan. Rencana awal saya adalah menyelesaikan proyek penelitian pada bulan Juni, mengorganisir hasil penelitian menjadi makalah, lalu mulai interview (yang berarti saya seharusnya baru mulai interview pada bulan Juli). Namun, karena masalah penjadwalan (dan) kekhawatiran akan keterbatasan posisi, saya mulai interview sekitar pertengahan Mei dan menerima beberapa tawaran yang sangat memuaskan sebelum pertengahan Juni. Bahkan, saya mengundurkan diri dari beberapa interview yang sedang berlangsung, tanpa sempat benar-benar mengenali pilihan lain.
Kesimpulannya, saya sangat bersyukur semuanya berakhir dengan baik, saya tidak perlu lagi khawatir tentang masalah pendanaan (karena saya menunda kelulusan), dan juga tidak perlu menanggung kecemasan pencarian kerja yang berkelanjutan (setidaknya untuk waktu dekat). Saya tidak bisa mengungkapkan dengan kata-kata betapa berterima kasihnya saya kepada semua orang yang mendukung saya dalam proses ini.
Kejutan Pertama: Dalam proses pencarian kerja, yang benar-benar penting hanya satu atau dua makalah
Berdasarkan postingan dan reaksi Alisa, mungkin banyak yang sudah tahu bahwa interview (misalnya, LeetCode) mungkin tidak terkait dengan pekerjaan penelitian yang Anda lakukan.
Saya bahkan bisa mengatakan bahwa dalam proses pencarian kerja, yang benar-benar penting mungkin hanya satu atau dua makalah. Kadang-kadang, bahkan satu makalah pun tidak diperlukan, penilaian saya sepenuhnya tergantung pada kemampuan saya untuk memecahkan masalah tim secara langsung.
Menurut pengalaman saya, makalah Anda berfungsi terutama dalam dua hal:
Mendapatkan kesempatan interview. Saya telah melakukan beberapa proyek yang disukai tim target, atau makalah saya menunjukkan keterampilan profesional tertentu yang sedang dicari tim, jadi sekarang saya masuk ke proses interview. Artinya, saya baru saja melewati batas kelayakan dan sekarang secara resmi menjadi kandidat mereka.
Analisis mendalam. Ini biasanya terjadi selama presentasi penelitian atau diskusi penelitian, di mana saya akan menjelaskan secara rinci motivasi dan detail suatu penelitian. Terkadang, presentasi seperti ini mungkin hanya berdurasi 20 menit.
Oleh karena itu, dalam tingkat tertentu, selain membangun kredibilitas, jumlah makalah yang dipublikasikan itu sendiri tidak penting. Dalam kasus saya, jumlah makalah penelitian multibahasa saya jauh lebih banyak daripada makalah keamanan AI saya — tetapi mengingat saya telah beralih ke penelitian keamanan AI, makalah-makalah ini, termasuk makalah yang memenangkan penghargaan terbaik, tidak relevan dengan hasil interview saya. (Catatan: Karya Yong Zheng-Xin pernah memenangkan Best Paper NeurIPS 2023 SoLaR)
Ini sebenarnya membebaskan, karena berarti Anda dapat kapan saja bertransisi ke bidang baru yang Anda anggap berpengaruh, selama Anda menunjukkan keahlian yang cukup di bidang tersebut, dan tim juga membutuhkan Anda, Anda masih bisa mendapatkan peluang kerja yang diidamkan. Di sisi lain, ini juga berarti Anda perlu terus belajar dan menguasai perkembangan industri, karena kesuksesan masa lalu memiliki dampak yang lebih kecil pada apakah Anda bisa mendapatkan peluang kerja baru.
Kejutan Kedua: Tahapan interview sangat beragam
Ketika pertama kali mengikuti interview, saya mengira formatnya akan mirip dengan interview untuk software engineer lulusan baru (misalnya, soal gaya Leetcode dan interview perilaku), ditambah beberapa interview teknis tentang LLM / deep learning.
Tampaknya ada pola standar tertentu untuk tahapan interview — saya pikir blog Alisa dan Silvia memberikan kesan seperti itu.
Yang mengejutkan, dalam proses pencarian kerja saya, saya ditanyai tentang desain sistem dan pemrograman paralel (misalnya, bagaimana menggunakan asyncio untuk menghitung paralel guna mencapai operasi konkuren). Saya juga mengetahui bahwa beberapa tahap interview akan menguji kemampuan Anda menggunakan agen AI. Singkatnya, ini menunjukkan bahwa Anda harus selalu siap menghadapi berbagai pertanyaan dan tahap interview yang tak terduga.
Kejutan Ketiga: Uji Coba Kerja
Ini adalah pengalaman yang sama sekali baru bagi saya. Saya juga terkejut melihat postingan Alisa, karena saya selalu mengira periode uji coba hanya umum di posisi keamanan AI. Ternyata, di perusahaan rintisan AI, periode uji coba juga semakin umum.
Uji coba kerja sangat berbeda dengan interview di lokasi — Anda tidak perlu terbang ke perusahaan untuk beberapa putaran interview langsung; sebaliknya, Anda akan bekerja sama dengan tim untuk menyelesaikan suatu tugas. Terkadang, tugas ini mungkin bersifat terbuka.
Uji coba kerja ini biasanya dibayar, tetapi yang mengejutkan saya, beberapa uji coba kerja di lokasi bisa berlangsung hingga seminggu.
Bagi saya, mengikuti uji coba kerja akan membuat saya sulit mempersiapkan interview dari perusahaan lain, karena saya harus fokus sepenuhnya untuk menyelesaikan tugas kerja saat ini, tidak ada energi untuk mempersiapkan interview lain. Saat menjadwalkan interview, terutama ketika sedang mewawancarai beberapa perusahaan sekaligus dan waktu terbatas, Anda harus mempertimbangkan hal ini.
Kejutan Keempat: Waktu sangat penting
Di pasar kerja saat ini, waktu memainkan peran yang sangat penting.
Misalnya, musim gugur lalu, posisi yang terkait dengan pembelajaran penguatan (reinforcement learning) relatif lebih banyak dibandingkan posisi keamanan AI, yang sangat sulit ditemukan. Tetapi sekarang, ada lebih banyak perusahaan rintisan yang menawarkan peluang terkait keamanan AI (misalnya Lila dan Mechanize).
Ada beberapa poin yang bisa dibahas tentang bagaimana waktu memengaruhi pencarian kerja penuh waktu Anda:
Karya Anda menjadi viral dengan cepat, banyak lembaga tertarik dengan karya Anda dan ingin merekrut Anda. Anda mungkin akan kewalahan dengan waktunya, dan hal terbaik yang dapat Anda lakukan sekarang adalah memanfaatkan kesempatan ini dan aktif mengikuti interview.
Bidang penelitian Anda semakin populer. Ini terkait dengan kasus keamanan AI yang saya sebutkan di atas. Anda bisa menyimpulkan bahwa peluang terkait juga semakin banyak. Jendela lamaran kerja bisa singkat hingga kurang dari sebulan, atau bisa juga berlangsung berbulan-bulan karena perusahaan sedang berusaha memperluas diri.
Kebutuhan posisi. Jika Anda berencana menunda interview atau membuat rencana tentang bagaimana mewawancarai beberapa perusahaan sekaligus, Anda harus menanyakan hal ini kepada perekrut.
Tawaran kerja berdatangan. Jika Anda mengalami ini, Anda bisa meminta perusahaan lain untuk mempercepat proses interview. Jangan kaget jika dalam satu hari harus mengikuti tiga interview berturut-turut, sementara Anda hanya memiliki waktu persiapan kurang dari sehari.
Meminta untuk menunda waktu mulai interview (misalnya, satu atau dua bulan) adalah wajar, tetapi biasanya begitu interview dimulai, jeda antara setiap putaran interview sangat singkat. Selain itu, perlu diperhatikan bahwa beberapa posisi mengharapkan Anda bergabung dalam satu atau dua bulan ke depan, meskipun tanggal mulai dapat dinegosiasikan.
Kejutan Kelima: Tawaran untuk tetap bergabung (Return offer) jarang terjadi
Dibandingkan dengan posisi rekayasa perangkat lunak (yang biasanya menawarkan kesempatan untuk tetap bergabung / return offer), posisi penelitian harus dilihat kasus per kasus.
Misalnya, selama magang saya di Meta tahun 2024, kesempatan untuk bergabung penuh waktu sangat jarang, dan sangat tergantung pada ukuran tim. Banyak teman saya tidak mendapatkan tawaran untuk tetap bergabung. Adapun beasiswa Astra OpenAI yang saya lamar, saya masih harus melalui semua tahap interview seperti pelamar lain untuk akhirnya bisa bergabung dengan OpenAI.
Saya mendengar bahwa proses interview di beberapa lembaga lebih cepat; misalnya, jika cocok dengan tim, Anda hanya perlu menjalani satu atau dua putaran interview lagi.
Kejutan Keenam: Banyak interview tidak terkait dengan topik Anda
Ini mengejutkan saya karena saat itu saya sedang beralih dari penelitian kemampuan (multibahasa) ke penelitian keamanan, saya mengira interview terkait keamanan akan menempati porsi besar dalam seluruh proses interview. Selama program Astra Fellowship saya, ada banyak diskusi internal Constellation tentang masalah keamanan AI, yang semakin memperkuat kesan ini.
Itu tidak benar.
Nyatanya, saya menghadapi banyak kasus yang sama sekali tidak terkait dengan keamanan AI, apalagi dengan arah penelitian saya. Saya percaya pengalaman saya mirip dengan Alisa dan Silvia (meskipun bidang penelitian mereka berbeda dengan kecerdasan buatan).
Di beberapa tempat, saya merasa pewawancara masih menilai kelengkapan saya sebagai peneliti AI. Saya pikir ini masuk akal (misalnya, bidang AI berkembang cepat, jadi penting untuk memiliki dasar yang kuat, dll.), tetapi saya awalnya berharap akan menghadapi lebih banyak pertanyaan terkait keamanan AI karena menurut saya, ini adalah masalah penelitian yang mendesak untuk diselesaikan, dan itu masih merupakan bidang yang relatif kecil. Mungkin, untuk posisi senior, pengalaman interview saya akan berbeda.
Untuk peneliti keamanan: Jika ini membantu, saya ikut menulis artikel LessWrong (https://www.lesswrong.com/posts/dvsFfGuXXyHYkyifp/tips-for-cracking-the-ai-safety-technical-interview-1) tentang putaran terkait keamanan, tetapi diharapkan pertanyaan yang diajukan akan sangat beragam.
Berikut adalah lebih banyak sumber bacaan:
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
Artikel ini dari akun WeChat publik "机器之心"
