与 Ilya 聊天也算面试的一种？
近日，Meta 研究者 Lucas Beyer 在社交平台 𝕏 上发起的一个投票吸引了众多关注。虽然他给出的四个选项都是当今或曾经的 AI 大厂，但世界各地的 AI 开发者依然表现出浓厚的兴趣。尽管并不是每个人都有在这些大厂面试的经历，但这并不妨碍大家的好奇心。
此次投票不仅引发了围观，还吸引了大量讨论。一个值得一提的参与者是刚当选美国国家人工智能科学院院士的谢赛宁（Saining Xie）。他表示，自己在各大 AI 大厂的面试经历“令人难忘”。作为 AI 领域的大牛，谢赛宁曾在美国纽约大学任教前，在 Meta 担任研究科学家，并在博士期间在 DeepMind、Google Research 和 FAIR 实习。
谢赛宁提到，自己经历的 LLM 面试都是在 2019 年以前进行的，当时都是面对面的，没有使用 AI 作弊的机会。DeepMind（当时还未与谷歌合并）的面试方式尤其“残酷”，在长达两小时的马拉松面试过程中，考生需要解决 100 多个数学、统计和机器学习方面的问题。
相比之下，谷歌大脑和 Google Research 的面试更接近于“教职面试”。谢赛宁在面试时遇到了知名 AI 学者 Noam Shazeer，后者非常友好地帮助他简化了两个指针式问题。大部分时间都在讨论研究，谢赛宁解释了如何将 Transformer 应用于视觉数据（点云），这在当时还是一个前沿问题。
最值得一提的经历是他在 2018 年去 OpenAI 面试。面试形式包括白板编程、研究报告，持续了五个小时。讨论的主题是强化学习中的交叉熵方法中的方差崩溃问题。尽管谢赛宁当时对强化学习知之甚少，但 OpenAI 会提供详细的问题描述，由联合创始人 John Schulman 亲自手写布置。他们希望候选人进行学习、研究、解决问题，并在白板上展示。
他还晒出了当年在 OpenAI 面试时的白板编程结果。
现在看来，这种面试方式显得有些怀旧，但在这些面试经历中，我们可以看到各大公司截然不同的风格，也能窥见他们当时的研究方向。例如，Meta 对计算机视觉领域的重视，OpenAI 一直以来在强化学习方向上的布局。面试问题可能也是这些机构的研究者们当时正在思考的。
当时的面试官，现任 Thinking Machines Lab 联合创始人兼首席科学家 John Schulman 在谢赛宁的帖子中评论说，谢赛宁是前两个接受该面试的人。这不禁让谢赛宁感叹：“当时根本不知道未来七年世界会发生多大的变化。”
除了谢赛宁，还有其他人的经验分享。
前 Mutable.ai 创始人、现任谷歌 AI 智能体开发者 Omar Shams 表示，他之前在 DeepMind 的面试非常精彩，不仅涉及代码，还涉及数学、统计和机器学习。当时的面试官 Jacob Menick 现已加入 Thinking Machines Lab。有趣的是，Omar 也是 Jacob 首个面试的人，并且还获得了满分评价。
目前正在 Meta 参与开发 PyTorch 的 Felipe Mello 回忆了一次难忘的谷歌面试。当时，面试官要求他编写单元测试，并分享了他解决过的最困难的 bug。
马里兰大学博士后 Ashwinee Panda 在一次 xAI 联合创始人张国栋（Guodong Zhang）的面试中收获了研究灵感，并最终将其扩展成了一项研究成果。
微软研究者刘力源也有类似的经历。曾在 Meta 和 DeepMind 工作过的麦吉尔大学兼职教授 Rishabh Agarwal 则分享了自己被 Christian Szegedy（曾在谷歌工作多年，现为 xAI 联合创始人、Morph Labs 首席科学家）面试的经历。当时，他被要求解决一个关于两人投掷飞镖游戏的难题，要求找出第一个玩家获胜的概率。
Agarwal 回忆说：“我直接在一张餐巾纸上开始数学计算，然后在视频通话中给他看（挺有意思的）。然后，我们又折腾了 30 分钟，一边在白板上做计算，一边尴尬地把屏幕对着白板。”
已有超过 2 万引用的 DeepMind 杰出工程师、Gemini 核心开发者 Rohan Anil 分享了与 Ilya Sutskever 的一次鼓舞人心的经历。“他鼓励我，优化带来的收益会远比我之前工作带来的收益更多。”
在 Lucas Beyer 的投票中，DeepMind（旧版）以 32.1% 的票数获得了最佳面试者的称号。不知这个结果是否符合大家的普遍认知？
那么，在你的职业生涯中，有哪次面试经历让你难以忘怀？欢迎在评论区分享你的故事。
https://x.com/giffmana/status/1960976538838381040
