这两天在网上刷到一条热搜，挺有意思的。华盛顿大学一位叫 Alisa Liu 的 NLP 博士要加入 OpenAI 了，在 X 上直接引发了百万浏览。

1
我把她写的万字长文求职博客读完，最深的感觉不是学霸开挂的爽快，而是那种技术人在现实市场里被规则毒打的真实感。

其实，最戳中我的是她开篇的一句大实话。

她说自己一辈子都在上学，如果不是导师后来催着她往前走，她其实很想永远做一个博士生。在你心目中，求职就像《哈利波特》里的分院帽，高年级的师兄师姐突然消失几个月，然后带着尘埃落定的命运重新出现，神秘得不行。这种对未知的逃避和迷茫，太像我们每一个普通人了。

结果轮到她自己，一头扎进市场里，完成了 57 场正式面试。她才发现，技术面试的考核内容，跟在学校里做研究完全是两码事。

在最密集的面试期里，她每天的感觉就是，每场面试都像是一门你从来没去上过课的微积分，而你只有 3 天时间来突击期中考试。

现在的顶级 AI 公司面试，基本变成了非常全面的考核。

比如频率最高的机器学习编程，上来就让你手撕代码。平时有 AI 编程助手帮衬着，大家写代码可能挺顺手的，但面试时工具被完全关闭。

Alisa 在博客里特意提醒，只有当你被迫独立解题时，你才会发现自己平时对 AI 的依赖有多深。她把手写并调试一个 Transformer 模型练成了肌肉记忆，因为这地方如果丢分，确实可惜。

技术讨论环节更是不给你写代码的时间，面试官会直接甩出一连串的提问：编码位置信息有哪些不同的方法，什么是 5D 并行，PPO 和 GRPO 有什么区别？她得整天泡在咖啡馆里，把零散的知识整合成一张完整的地图，才能在有限的时间里向面试官证明自己的广度。

2
我自己也经历过类似的求职高压期，看到这里，真挺能感同身受的。你以为在学校里搞出好成果就够了，其实到了人才市场上，大家全在黑盒里摸黑洗牌。

而且，就算是这种顶级学霸，也有失误的时候。

她有一次为了把大语言模型推理的复杂细节塞进脑子里，熬到通宵，最后只睡了 2 个小时就去参加第一次技术面试。

结果那些临时抱佛脚背的复杂知识点一个没考，反而因为脑子转不动，在一个极度基础的“差一错误”逻辑边界上，卡了 10 分钟。

还有第一次行为面试，本以为自己表现得很得体，结果面对一些最基础的问题，大脑一片空白。面试结束时，面试官的一句“你没有回答我的问题”，让她坐在那里如坐针毡。

而这种面试台前出的差错，往往只是冰山一角，真正折磨人的是台后的心理压力。

在长达几个月的时间里，这种社交压力和不确定性，逼得她一直在和巨大的焦虑死磕。尤其是不可避免地和同伴做比较时，她承认自己那段时间生活基本停摆，好几个月都处于崩溃边缘。一听就不是编出来的。

3
不过，一旦扛过了前面重重的面试关卡，后面还有一场硬仗在等着，那就是薪资谈判。

搞技术的人通常都有个通病，觉得拿到 Offer 就谢天谢地了，对谈钱感到害羞，甚至觉得“我不看重薪水，只要能让我做研究就行”。

但 Alisa 发现，初始 Offer 在设计上本来就留有了谈判余地。不止一位招募方直接对她挑明说，不期望她直接接受第一版 Offer。在这个阶段花几周时间去周旋，其价值往往超乎想象。

她为了能真实坦率地表达想法，同时守住自己的合理诉求，会在每次通话前，把愿意透露和不愿透露的信息、甚至可以一字不差背诵出来的台词写成小抄。这种略带笨拙的认真，反而成了最好的沟通方式。

说实话，我觉得这篇复盘最打动我的，不是那些 LeetCode 75 或者斯坦福 CS336 的学习资源，而是在经历完这一切后，这种高强度的复习带给她的最大财富——作为一个研究员的自信心。

当你把那些底层的机器学习概念、数学公式彻底梳理清楚，变成自己的本能之后，你在交流时就会变得极度有安全感。你不再害怕暴露自己的知识盲区，当碰到不懂的东西时，你能大方承认，而不是心虚地去掩饰。这种对知识的笃定，才是底气所在。

4
回到她最初那个“很想永远做个博士生”的愿望。

其实，我们害怕毕业、害怕面对社会的毒打，本质上都是在害怕打破原有的舒适圈。但走过这一遭，Alisa 发现对未来的准备和对当下的热爱，其实是可以同时成立的。

正如她最后留下的那句话：当你在享受乐趣，并追逐那些让你日思夜想、无法释怀的问题时，你才能做出最好的工作。