Von 57 Vorstellungsgesprächen bis zum OpenAI-Angebot: Die Jobsuche-Retrospektive eines NLP-Doktoranden bei Top-KI-Unternehmen geht viral

Heute ist die Nachricht, dass die baldige Doktorandin Alisa Liu der Universität Washington OpenAI beitreten wird, auf X zu einem Hot Topic geworden.

Die Anzahl der Ansichten des Hauptbeitrags hat bereits die Million markiert. Sie sagte, dass der Prozess der Jobsuche herausfordernder war als erwartet, aber auch reich an Erlebnissen.

Deshalb schrieb sie einen kleinen Blogbeitrag, um die Erfahrungen, die sie auf dem Weg gesammelt hat, zu teilen und hofft, dass der nächste, der diesen Prozess durchmacht, weniger Ratlosigkeit haben wird.

Wenn Sie gerade promovieren oder bald auf den Weg der Jobsuche gehen, lohnt es sich, diesen Artikel sorgfältig zu lesen. Alisa Lius Forschung zielt darauf ab, bessere Algorithmen für Sprachmodelle zu entwickeln, einschließlich Tokenisierung, Datenerstellung und Anpassung bei der Inferenz. Nach ihrem Abschluss erhielt sie Angebote als Research Scientist / MTS von mehreren Spitzen-AI-Firmen.

Deshalb schrieb sie eine Rückschau über den gesamten Jobsuchprozess, ohne Geheimnisse zu halten - einschließlich der Momente, die sie zum Zerbrechen brachten. Am Anfang des Blogs schrieb sie, dass die Jobsuche in den meisten Teilen ihrer Promotion wie die Sortierkappe von Hogwarts in ihrem Kopf war: Die älteren Studenten verschwanden für einige Monate und als sie wieder auftauchten, war ihr Schicksal entschieden. Sie wusste, wohin sie gegangen waren, aber wusste fast nichts über das, was dazwischen passiert war.

Es war erst, als es an ihrer Zeit war, dass sie feststellte, dass der Prozess viel brutaler war als erwartet und dass sie ständig "währenddessen die Regeln lernten und zugleich spielte". Dieser Artikel ist für diejenigen geschrieben, die noch nicht begonnen haben.

Blog-Adresse: https://alisawuffles.github.io/blog/job-search/

6 Jahre NLP-Doktorandin, sie hat sich für die Positionen als Research Scientist und Member of Technical Staff beworben. Während der gesamten Jobsuche nahm sie an den Bewerbungsprozessen von 11 Firmen teil, absolvierte 57 formelle Interviews, nahm 46 Recruiting-Anrufe entgegen und führte nach der Angebotsannahme 16 tiefgehende Gespräche durch. Darüber hinaus gab es unzählige informelle Netzwerke-Gespräche. Einige Firmen haben ihr begehrte Angebote gemacht, und sie hat die anderen Bewerbungsprozesse selbstständig abgebrochen. Bei einigen Firmen hat der Recruiter nie wieder Kontakt aufgenommen.

Ob man "Übungen" machen sollte, ist eine komplexe Frage

Was die Reihenfolge der Interviews angeht, ist der am weitesten verbreitete Rat: Übe zuerst bei einigen Firmen, die dir nicht so wichtig sind, und dann konzentriere dich auf die Firmen, die du wirklich möchtest, um Angebote gleichzeitig zu erhalten und später beim Gehaltsverhandlungsprozess in eine bessere Position zu geraten.

Diese Logik stimmt im Großen und Ganzen, aber sie hat in der Praxis festgestellt, dass die Dinge komplizierter sind.

Zunächst einmal sind die Energie und Zeit begrenzt. Übungen sind nützlich, aber wenn du die ersten Firmen als "Kanonenkugeln" betrachtest und dich dadurch völlig erschöpfst, bist du in einem schlechten Zustand, wenn es an der Zeit für die Firmen kommt, die du wirklich möchtest.

Zweitens ist der Zeitplan der Interviews nicht vollständig in deiner Hand. Ob eine Firma Stellen hat und welches Team aktiv einstellt, sind externe Faktoren, die oft stärker als dein "Bereitschaftsgrad" sind. Du kannst diese Informationen im Voraus von internen Freunden oder Recruiting-Personen erfragen.

Drittens sind die Fristen für die Annahme von Angeboten normalerweise flexibler als erwartet. Die Recruiter wissen, dass du mehrere Prozesse gleichzeitig bearbeitest und passen sich normalerweise an. Aber sie warnt auch: Es gibt tatsächlich "Explosivangebote" mit sehr kurzen Signaturfristen. Stelle sicher, dass du die Spielregeln im Voraus kennst.

Sieben Arten von Interviews, die völlig unterschiedliche Dinge testen

Sie hat alle Interviews, an denen sie teilgenommen hat, in sieben Kategorien eingeteilt und betont besonders: Insgesamt wird die technische Fähigkeit viel stärker bewertet als die Forschungsarbeit selbst. Natürlich kann die Forschungsarbeit der Grund sein, dass du ein Interview erhältst.

Am häufigsten sind ML-Codeaufgaben. Die Aufgaben können die Implementierung eines klassischen Frameworks wie Transformer sein, die Implementierung einer Decodierungsstrategie wie Beam Search, oder traditionelle ML-Algorithmen oder kreative Varianten. PyTorch ist ein Werkzeug, das man beherrschen muss. Manchmal musste sie auch nur numpy verwenden, z. B. beim Schreiben von Backpropagation von Grund auf. Der Interviewer erwartete aber nicht, dass sie alle numpy-Syntaxen im Voraus kannte.

Dann sind es allgemeine Algorithmusaufgaben, also im Stil von LeetCode, manchmal mit einer Hintergrundgeschichte. Sie sagte, dass die zugrunde liegende Logik dieser Aufgaben und der ML-Codeaufgaben stark überlappen. Ein solides Fundament hilft bei beiden Arten von Aufgaben.

Technische Diskussionen sind eine Art von Interview, bei dem man keinen Code schreibt, aber sehr viel nachdenken muss. Manchmal dreht sich das gesamte Interview um eine Frage: Man bekommt ein Forschungsziel und muss ein Experiment entwerfen. Der Interviewer fragt nach den Designentscheidungen, gibt hypothetische Ergebnisse und lässt einen diese analysieren und den nächsten Schritt planen - es wird die Denkweise getestet. Eine andere Form ist, dass schnell viele Fragen gestellt werden, wie "Welche verschiedenen Implementierungen von Positionskodierung gibt es?", "Was ist 5D-Parallelität?", "Was ist der Unterschied zwischen PPO und GRPO?" und auf diese Weise wird in kurzer Zeit die Wissensbreite getestet.

Die Diskussion über Forschungsarbeiten ist die Art von Interview, die der täglichen Promotion am nächsten ist. Es beginnt normalerweise mit "Beschreibe ein Projekt, an dem du gearbeitet hast" und dann geht es tiefer in das Thema. Der Interviewer kann auch über andere Artikel auf dem Lebenslauf fragen. Bei der Vorbereitung auf diese Art von Interview betrachtet sie ihre Forschung von einer höheren Perspektive - warum sie dieses Thema gewählt hat, welche einzigartigen Einsichten sie im Verlauf der Arbeit gewonnen hat und welche zukünftigen Richtungen am wertvollsten sind. Sie passt auch die Präsentation ihrer Forschung an die Richtung der verschiedenen Firmen an. Sie sagte: "Die Interviewer sind sehr müde. Es ist wichtiger, dass sie schnell spüren, dass 'dein Hintergrund gut zu unseren Bedürfnissen passt'."

Verhaltensinterviews sind die einzige Art von Interview, bei denen sie eine Niederlage hatte. Sie sagte, dass sie das erste Verhaltensinterview nicht ernst genommen hatte, weil sie dachte, dass sie "offensichtlich ein gutes Verhalten" habe. Als sie auf die grundlegenden Fragen gestellt wurde, war ihr Kopf leer und sie musste vor Ort aus ihren unklaren Erinnerungen etwas zusammenbauen. Am Ende des Interviews sagte der Interviewer ein Satz, der sie sehr unwohl machte: "Du hast meine Frage nicht beantwortet." Sie schrieb in ihrem Artikel, dass der Schmerz einzigartig ist - man sucht gleichzeitig nach Erinnerungen, ordnet die Gedanken und spricht, und alles wird schlecht gemacht. Die richtige Methode ist, alle erzählenswerten Geschichten aus der Promotion im Voraus zu sammeln und sie anhand der gängigen Verhaltensfragen zu strukturieren. Wenn man gefragt wird, kann man einfach die passende Geschichte abrufen.

Mathematik-Interviews gibt es in einigen Firmen. Die Schwierigkeit reicht von interessanten Logikaufgaben bis zu ernsthaften Rechenaufgaben, die man mit Papier und Stift lösen muss. Sie empfiehlt, Wahrscheinlichkeitsrechnung, lineare Algebra und Analysis zu wiederholen.

Und schließlich ist es der Job Talk, der kürzer und fokussierter ist als der akademische Job Talk. Ihr Job Talk war um die Tokenisierung herum aufgebaut. Sie hat hauptsächlich einen Artikel als Erstautorin ausführlich besprochen, ergänzt durch einige Artikel als Zweitautorin und laufende Arbeiten. Der Inhalt bildete eine vollständige Erzählung.

Bei der Vorbereitung gibt es keine Abkürzungen

Sie sagte, dass nichts Zeit wert ist wie die gründliche Vorbereitung. Sie verglich diese Zeit mit der Zeit als Student: Notizen machen, Diagramme zeichnen, Aufgaben lösen und den ganzen Tag in der Kaffeebar verbringen, um die ML-Grundlagen von Grund auf zu verstehen. Sie hat speziell eine Notiz über Large Language Models (LLM) gemacht, die sie während der gesamten Jobsuche aktualisiert hat. Sie hat auch eine Mathematiknotiz gemacht, um sich kurzfristig auf ein bestimmtes Interview vorzubereiten.

Der Weg der Vorbereitung ist ungefähr so: Zuerst schaut man sich alle Kurse von Stanfords "Language Modeling from Scratch" an, um die verstreuten Kenntnisse im Kopf zu einem ganzen Bild zusammenzufügen. Nachdem man das Fundament gelegt hat, kann man dann die einzelnen Konzepte vertiefen, indem man Blogs und Artikel liest, viel mit KI spricht und selbst von Grund auf implementiert, um die Konzepte wirklich zu verstehen.

Sie betonte besonders die Implementierung von Transformer: "Die Fähigkeit, einen Transformer von Grund auf zu implementieren und zu debuggen, tritt so oft in den Interviews auf, dass es sich lohnt, es zu einem Muskelgedächtnis zu machen. Hier darf man nicht punktschwach sein."

Sie warnt auch: Beim Üben muss man die KI-Hilfsmittel vollständig ausschalten, um die echte Interviewumgebung zu simulieren. Man unterschätzt stark die Abhängigkeit von KI, bis man gezwungen ist, alleine Aufgaben zu lösen.

Für jedes einzelne Interview bereitet sie sich auch separat vor. "Es ist wie ein Mathematik- oder Informatikkurs, an dem du nie teilgenommen hast, und jetzt sind nur noch etwa drei Tage bis zur Zwischenprüfung. Du musst dich kurzfristig auf die Prüfung vorbereiten." Sie beurteilt die Prüfungsbereiche aus der Interviewbeschreibung, der technischen Richtung der Firma, den Hinweisen des Recruiters und dem Ruf der Firma und konzentriert sich dann auf die relevantesten Inhalte.

Was den Zustand vor der Prüfung angeht, hat sie eine teure Lektion gelernt: Vor dem ersten technischen Interview hat sie nur zwei Stunden geschlafen und die ganze Nacht damit verbracht, die Details von LLM-Inferenz zu wiederholen. Am Ende wurden diese Kenntnisse nicht getestet, und sie hat stattdessen zehn Minuten an einem einfachen off-by-one-Fehler hängen geblieben, weil "ihre Gedanken nicht richtig funktionierten". Die Schlussfolgerung ist: Genug Schlaf ist wichtiger als jede letzte Minute der kurzfristigen Wiederholung.

Sie erwähnte auch eine unerwartete Erkenntnis: Die intensive Vorbereitung hat ihr Selbstvertrauen stark erhöht. Sie braucht sich nicht mehr Sorgen um Wissenslücken zu machen und muss in akademischen Gesprächen nicht mehr verstecken. Sie sagte sogar, dass wenn sie in der Promotion früher so vorbereitet hätte, sie in einem breiteren Problemraum tätig sein könnte, mehr Ideen hätte und mehr Initiative bei Gesprächen mit anderen zeigen würde.

Das Angebot erhalten ist nur der Anfang

Viele denken, dass alles vorbei ist, wenn man ein Angebot erhält. Sie sagt, dass es genau das Gegenteil ist.

Es folgt eine möglicherweise sehr lange Zeit, in der man weiterhin mit zukünftigen Teammitgliedern und Managern intensiv spricht, in der Firma essen geht, Recruiter-Anrufe entgegennimmt und eine Flut von E-Mails bearbeitet - sie gibt zu, dass sie in dieser Phase einige E-Mails noch nicht beantwortet hat.

Die Gehaltsverhandlung ist der Kernpunkt in dieser Phase und auch das, was sie am schwierigsten findet. "Wir Promovenden sind überhaupt nicht auf diese Situation vorbereitet, und im Gegensatz zu Interviews kann man diese Aufgabe nicht durch Übungen meistern. Die Recruiter haben sowohl bessere Marktinformationen als auch bessere Verhandlungstechniken als du, und jeder möchte etwas anderes."

Aber es ist falsch, nicht zu verhandeln. Das erste Angebot hat normalerweise Raum für Verhandlungen. Mehrere Recruiter haben ihr direkt gesagt: "Ich erwarte nicht, dass du unser erstes Angebot annimmst." Wenn man in diesen Wochen intensiv verhandelt, kann man möglicherweise eine Einkommensdifferenz erzielen, die mehreren Jahren Arbeit mit dem ersten Angebot entspricht.

Ihre konkrete Methode ist: Vor jedem Recruiter-Anruf schreibt sie auf, was sie preisgeben möchte und was nicht, sowie einige Formulierungen, die sie direkt auswendig lernen kann. Sie versucht, die Fragen und Argumente des Gegenübers vorherzusagen und bereitet sich darauf vor, um in einem komfortablen Zustand ihre Position zu verteidigen. Dieser Prozess ist zeitaufwändig, aber jedes Detail ist es wert, ernst zu nehmen.

Die Teile, über die niemand spricht

Am Ende ihres Artikels schrieb sie einen Absatz, der unbedingt an alle weitergeleitet werden sollte: "Während der Jobsuche musste sie viele Emotionen bewältigen. Der Vergleich mit anderen ist schmerzhaft und fast unvermeidlich. Die Leute um dich herum werden plötzlich sehr an deinen Entscheidungen interessiert und geben viele Vorschläge und haben Erwartungen. Dieser soziale Druck ist schon an sich sehr anstrengend. Noch schlimmer ist, dass du in einer Situation mit sehr unvollständigen Informationen wichtige Entscheidungen treffen musst, und viele scheinbar kleine Entscheidungen - wie z. B. wen man zuerst anruft - haben keine richtige Antwort, aber können überproportionale Auswirkungen haben."

Während jener Monate war sie ständig an der Grenze des Zusammenbruchs, und ihr Leben in anderen Bereichen war fast zum Stillstand gekommen. "Ich hoffe, dass du mehr Spaß findest als ich. Wenn nicht, dann weiß zumindest, dass du nicht allein bist."

Was ich am Ende noch sagen möchte

Schließlich sprach sie über die Promotion selbst, was vielleicht der beste Teil dieses Artikels ist.

Als sie schnell der Promotion entgegenlief und am Ende angelangt war, hatte sie eine enorme Gefühl der Verlust. Die Promotion ist eine besondere Zeit, in der deine einzige Aufgabe ist, gute Ideen zu entwickeln, sie umzusetzen, zu lernen und zu wachsen. Du musst dir keine Sorgen um das Überleben machen.

Sie hofft, dass dieser Artikel dir hilft, weniger ratlos in die Zukunft zu blicken. Sie warnt auch, dass man nicht wegen Angst die Gegenwart zu früh aufbrauchen sollte. Im Laufe der Zeit hat sie immer deutlicher gemerkt, dass ihre besten Arbeiten immer