Докторант Брауновского университета Йонг Чжэн-Синь сегодня объявил, что в следующем месяце официально присоединится к OpenAI в качестве стипендиата программы Astra, сосредоточившись на исследованиях в области безопасности ИИ (AI Safety Research).
Научным руководителем Йонга Чжэн-Синя во время обучения в докторантуре Брауновского университета был Стивен Бах. Его исследовательские интересы включали повышение многоязычных способностей моделей и передовые вопросы безопасности и согласования ИИ. В настоящее время он уделяет основное внимание вопросам предотвращения рисков и подготовки к появлению ОИИ (общего искусственного интеллекта) / СИИ (сверхинтеллекта). Он глубоко изучал масштабируемый контроль (Scalable Oversight), обобщающую способность согласования моделей, а также устойчивость больших моделей к состязательным атакам и уязвимости взлома при работе со сложными промптами, такими как многоязычные.
На прошлой неделе новость о присоединении к OpenAI другой докторантки, близкой к выпуску, Алисы Лю из Вашингтонского университета, стала трендом в X, набрав более миллиона просмотров (см.: «От 57 собеседований до оффера от OpenAI: разбор опыта поиска работы PhD в NLP в топовых AI-компаниях стал вирусным»).
Йонг Чжэн-Синь, вдохновившись рассказом Алисы Лю о собеседованиях, также поделился некоторыми своими впечатлениями от поиска работы на позицию исследователя (research scientist).
По сравнению с более стандартизированным опытом подготовки к собеседованиям, которым поделилась Алиса, блог Йонга Чжэн-Синя «Surprising lessons from my research scientist job search» предлагает иной взгляд.
Как кандидат, который на последнем году докторантуры перешёл от многоязычных больших моделей к области безопасности ИИ, он обобщил 6 интересных и неожиданных (Surprise) инсайтов, которые он обнаружил в процессе поиска работы, и которые определённо заслуживают внимания:
Ссылка: https://yongzx.github.io/blog/2026/06/24/job-search/
Недавно докторанты в области компьютерных наук Алиса и Сильвия опубликовали в своих блогах статьи о том, как они готовились и успешно попали в передовые лаборатории, такие как OpenAI и Google DeepMind. Я настоятельно рекомендую эти две статьи. Увидев реакцию в Твиттере, я хочу поделиться с другой точки зрения: какими неожиданными событиями в процессе моего собственного поиска работы исследователя я был удивлён.
Эта статья в основном адресована двум группам читателей:
- Выпускникам докторантуры по компьютерным наукам (CS), которые, возможно, как и я, потратили 5–6 лет на написание нескольких исследовательских статей и теперь пытаются найти возможности в индустрии.
- Исследователям в области безопасности ИИ, ищущим постоянную работу.
Отказ от ответственности: при написании этой статьи не использовались какие-либо большие языковые модели.
Личный опыт
Я докторант пятого курса Брауновского университета. Мой опыт поиска работы несколько особенный, потому что на последнем году докторантуры я изменил область исследований.
Осенью 2025 года я подавал заявки на позиции, связанные с многоязычностью и безопасностью ИИ, но в основном получал возможности для исследователей (research scientist) в области многоязычности / дообучения (post-training). Это произошло потому, что в моём исследовательском портфолио было мало работ по ключевым темам безопасности ИИ.
В течение семестра я решил полностью посвятить себя исследованиям в области безопасности ИИ, так как считаю, что с приходом ОИИ (общего искусственного интеллекта) / СИИ (сверхинтеллекта) в этой области есть много важных аспектов, требующих срочного внимания. Поэтому, когда я получил стипендию Astra, я решил приостановить поиск работы на несколько месяцев, чтобы сосредоточиться на успешном выполнении проекта по стипендии и лучше подготовиться к более влиятельным позициям в области безопасности ИИ. Для этого я отказался от некоторых имеющихся предложений о работе и отложил срок выпуска до 2027 года.
Ближе к завершению исследовательского проекта я снова начал искать работу, но всё пошло несколько более хаотично, чем я изначально предполагал. Я планировал завершить исследовательский проект в июне, оформить результаты в статью, а затем начать собеседования (что означало бы, что я должен был начать собеседования только в июле). Однако из-за вопросов планирования времени (а также) опасений по поводу нехватки вакансий я начал собеседования примерно в середине мая и до середины июня уже получил несколько предложений, которыми был очень доволен. Фактически, я даже отказался от участия в некоторых текущих собеседованиях, не успев как следует изучить другие варианты.
В общем, я рад, что всё в итоге сложилось хорошо: мне больше не нужно беспокоиться о финансировании (так как я отложил выпуск) и не нужно испытывать постоянную тревогу от поиска работы (по крайней мере, в краткосрочной перспективе). Не передать словами, насколько я благодарен всем, кто поддерживал меня в этом процессе.
Неожиданность первая: в процессе поиска работы по-настоящему важны лишь одна-две статьи
Судя по посту Алисы и реакции на него, возможно, многие уже знают, что собеседования (например, LeetCode) могут не иметь отношения к вашей исследовательской работе.
Я бы даже сказал, что в процессе поиска работы по-настоящему важными могут быть лишь одна-две статьи. Иногда не нужна даже одна статья — мою оценку полностью определяла моя способность на месте решать проблемы команды.
По моему опыту, ваши статьи служат в основном для двух целей:
Получение возможности собеседования. Я выполнял некоторые проекты, которые нравятся целевой команде, или мои статьи демонстрировали определённые профессиональные навыки, которые ищет команда, поэтому теперь я прохожу этап собеседований. То есть я только что преодолел квалификационный барьер и теперь официально стал их кандидатом.
Глубокий разбор. Обычно это происходит во время презентации исследования или исследовательской дискуссии, где я подробно излагаю мотивацию и детали какого-либо исследования. Иногда такая презентация может длиться всего 20 минут.
Таким образом, в определённом смысле, за исключением создания репутации, само количество опубликованных статей не имеет значения. В моём случае количество моих статей по многоязычным исследованиям намного превышает количество статей по безопасности ИИ — но, учитывая, что я перешёл к исследованиям в области безопасности ИИ, эти статьи, включая мою статью, получившую награду за лучшую работу, не имели отношения к результатам моих собеседований. (Прим.: работа Йонга Чжэн-Синя получила награду за лучшую статью на NeurIPS 2023 SoLaR)
На самом деле, это освобождает, потому что означает, что вы можете в любое время перейти в новую область, которую считаете перспективной, если продемонстрируете в ней достаточные профессиональные навыки и если команда в вас нуждается — вы всё равно можете получить работу своей мечты. С другой стороны, это также означает, что вам необходимо постоянно учиться и следить за тенденциями в индустрии, поскольку прошлые успехи меньше влияют на получение новых возможностей для работы.
Неожиданность вторая: этапы собеседования очень разнообразны
Когда я впервые начал проходить собеседования, я думал, что их формат будет похож на собеседования для начинающих инженеров-программистов (например, вопросы в стиле LeetCode и поведенческие интервью), плюс некоторые технические собеседования по LLM / глубокому обучению.
Казалось, существует некая стандартизированная модель этапов собеседования — я думаю, блоги Алисы и Сильвии создали такое впечатление.
Неожиданно, в процессе поиска работы мне задавали вопросы по проектированию систем (system design) и параллельному программированию (например, как использовать asyncio для параллельных вычислений для реализации конкурентных операций). Я также узнал, что на некоторых этапах собеседований проверяют вашу способность использовать ИИ-агентов. В общем, это говорит о том, что вы должны быть готовы к самым разным неожиданным вопросам и этапам собеседований.
Неожиданность третья: испытательный период работы (work trial)
Для меня это был совершенно новый опыт. Я тоже удивился, когда увидел пост Алисы, потому что думал, что испытательные периоды распространены только на позициях в области безопасности ИИ. Оказывается, в стартапах, занимающихся ИИ, испытательные периоды тоже становятся всё более распространёнными.
Испытательный период работы (work trial) совершенно отличается от очного собеседования — вам не нужно лететь в компанию для многоэтапного очного интервью; вместо этого вы будете сотрудничать с командой для выполнения задания. Иногда это задание может быть открытым.
Обычно эти испытательные периоды работы оплачиваются, но меня удивило, что некоторые очные испытательные периоды работы могут длиться до недели.
Для меня участие в таких испытательных периодах затрудняло подготовку к собеседованиям в других компаниях, потому что мне приходилось полностью сосредотачиваться на текущей рабочей задаче, и у меня не оставалось сил на подготовку к другим собеседованиям. При планировании собеседований, особенно когда вы проходите их в нескольких компаниях одновременно и время ограничено, вам следует учитывать этот фактор.
Неожиданность четвёртая: время очень важно
На текущем рынке труда время играет решающую роль.
Например, прошлой осенью позиции, связанные с безопасностью ИИ, было найти очень сложно по сравнению с позициями, связанными с обучением с подкреплением. Но сейчас больше стартапов предлагают возможности, связанные с безопасностью ИИ (например, Lila и Mechanize).
Есть несколько аспектов того, как время влияет на поиск постоянной работы:
Ваша работа быстро становится популярной, и многие организации заинтересованы в ней и хотят вас нанять. Вы можете оказаться застигнутым врасплох таким поворотом событий, и лучшее, что вы можете сделать сейчас, — это воспользоваться возможностью и активно участвовать в собеседованиях.
Ваша область исследований становится всё более популярной. Это связано с упомянутым мной выше случаем с безопасностью ИИ. Можно предположить, что соответствующих возможностей также становится больше. Окно подачи заявок на вакансии может быть коротким — менее месяца, или длинным — несколько месяцев, поскольку компании стремятся расширяться.
Спрос на позиции. Если вы планируете отложить собеседование или составить план, как проходить собеседования в нескольких компаниях одновременно, вам стоит задать этот вопрос рекрутерам.
Предложения о работе поступают одно за другим. Если вы столкнулись с такой ситуацией, можете попросить другие компании ускорить процесс собеседования. Не удивляйтесь, если в один день у вас будет три собеседования подряд, а на подготовку останется меньше суток.
Просить отложить начало собеседований (например, на месяц или два) — это нормально, но обычно, как только процесс начался, интервалы между этапами собеседования очень короткие. Также обратите внимание, что некоторые позиции ожидают, что вы приступите к работе в течение следующих одного-двух месяцев, однако дату начала работы можно обсудить.
Неожиданность пятая: предложения остаться после стажировки (return offer) редки
По сравнению с позициями в разработке программного обеспечения (где обычно предлагают возможность остаться — return offer), с исследовательскими позициями всё обстоит иначе, и нужно рассматривать каждый случай отдельно.
Например, во время моей стажировки в Meta в 2024 году возможностей для перехода на постоянную работу было мало, и это сильно зависело от размера команды. Многие мои друзья не получили таких предложений. Что касается стипендии OpenAI Astra, на которую я подавал, мне всё равно пришлось, как и другим кандидатам, пройти все этапы собеседований, чтобы в итоге присоединиться к OpenAI.
Я слышал, что в некоторых организациях процесс собеседований более быстрый; например, если произошло совпадение с командой, вам нужно пройти всего один или два дополнительных этапа.
Неожиданность шестая: многие собеседования не связаны с вашей темой
Это удивило меня, потому что я как раз переходил от исследований возможностей (многоязычность) к исследованиям безопасности, и я думал, что вопросы по безопасности займут большую часть всего процесса собеседований. Во время моего участия в программе Astra Fellowship внутри Constellation было много дискуссий по вопросам безопасности ИИ, что ещё больше укрепило это впечатление.
Это оказалось не так.
На самом деле, я сталкивался со многими случаями, которые вообще не были связаны с безопасностью ИИ, не говоря уже о моей области исследований. Я уверен, что мой опыт схож с опытом Алисы и Сильвии (хотя их области исследований в ИИ отличаются).
В нескольких местах у меня было ощущение, что интервьюеры всё ещё оценивали мою разносторонность как исследователя ИИ. Я считаю, что в этом есть своя логика (например, область ИИ быстро развивается, поэтому важно закладывать прочный фундамент и т.д.), но я ожидал больше вопросов, связанных с безопасностью ИИ, поскольку, на мой взгляд, это актуальная исследовательская задача, и она всё ещё остаётся относительно нишевой областью. Возможно, для более старших позиций мой опыт собеседований был бы другим.
Для исследователей безопасности: если это вам поможет, я стал соавтором статьи на LessWrong (https://www.lesswrong.com/posts/dvsFfGuXXyHYkyifp/tips-for-cracking-the-ai-safety-technical-interview-1) о собеседованиях, связанных с безопасностью, но ожидайте большого разнообразия задаваемых вопросов.
Вот дополнительные ресурсы для чтения:
1. Натан Ламберт — Мысли о рынке труда в эпоху LLM: https://www.interconnects.ai/p/thoughts-on-the-hiring-market-in
2. Алиса Лю — Заметки о поиске работы в индустрии: https://alisawuffles.github.io/blog/job-search/
3. Сильвия Сапора — Собеседования на ML-позиции: Исчерпывающее руководство: https://silviasapora.github.io/blog/ml-interviews.html
Статья из официального аккаунта WeChat «Машины и разум» (机器之心)
