布朗大学的博士生 Yong Zheng-Xin 即将加入 OpenAI，担任 Astra Fellow，专注于人工智能安全研究。在他的博士导师 Stephen Bach 的指导下，Yong Zheng-Xin 的研究领域涵盖了提升模型的多语言能力以及前沿的人工智能安全与对齐。他目前尤其关注通用人工智能（AGI）和超级人工智能（ASI）的风险防范与准备工作，深入研究了可扩展监督、模型对齐的泛化性、以及大模型在处理多语言等复杂提示时的对抗鲁棒性和越狱漏洞。

此前，华盛顿大学的博士生 Alisa Liu 加入 OpenAI 的消息在 X（原 Twitter）上引起了广泛关注，浏览量超过百万。受 Alisa Liu 面试经验分享的启发，Yong Zheng-Xin 也公开了自己的研究科学家求职经历。他认为，与 Alisa 分享的标准化面试准备经验不同，他的博客《Surprising lessons from my research scientist job search》提供了一个独特的视角。作为一名在博士生涯最后一年从多语言大模型跨界转向 AI 安全领域的候选人，他总结了六个在求职过程中令他感到意外的洞察。

Yong Zheng-Xin 提到，他原本计划在 2025 年秋季申请多语言和人工智能安全相关的职位，但收到的多是多语言/后训练方向的研究科学家机会，原因是他早期研究组合中涉及核心 AI 安全课题的工作较少。在学期中，他决定将重心完全转移到 AI 安全研究，因为他认为 AGI/ASI 的到来使得该领域有许多亟待解决的重要问题。因此，他暂停了求职，专注于奖学金项目，以便更好地胜任 AI 安全领域更具影响力的职位，并为此推迟了毕业时间。

在重新开始找工作时，Yong Zheng-Xin 发现事情比预想的要混乱。他原本计划在六月结束研究项目后开始面试，但由于时间安排和对职位资源的担忧，他大约在五月中旬就开始了面试，并在六月中旬前收到了几份满意的 offer，甚至退出了部分正在进行的面试。他表示，庆幸的是最终解决了资金和求职焦虑问题，并对所有支持他的人表示感激。

Yong Zheng-Xin 总结的第一个意外是，在求职过程中，真正起决定性作用的可能只有一两篇论文，有时甚至不需要论文，而是取决于现场解决团队问题的能力。论文的主要作用是获得面试机会，或者在研究报告/讨论中进行深度解析。他指出，除了建立信誉，论文数量本身并不重要，即使他获得最佳论文奖的多语种研究论文也与面试结果无关。他认为这是一种解放，意味着可以随时转型到新的领域，只要展现出足够的专业技能并获得团队认可。

第二个意外是面试环节的多样化。他原本以为面试形式会与软件工程师类似，加上 LLM/深度学习技术面试，但实际上还遇到了系统设计、并行编程，甚至考察使用 AI 智能体能力的问题，这表明需要为各种意想不到的环节做好准备。

第三个意外是工作试用，他发现这在 AI 初创公司中越来越普遍。工作试用与现场面试不同，需要与团队合作完成一项任务，有时是开放式的。这些试用通常有报酬，但有时会持续长达一周，这会影响准备其他公司的面试。

第四个意外是时机的重要性。他指出，在当前的就业市场中，时机扮演着关键角色，例如 AI 安全相关的职位机会随市场热度变化而增减。作品的走红、研究领域的热度、职位需求以及工作邀约的集中出现，都会影响求职进程，有时需要加快面试流程或与公司协商入职日期。

第五个意外是留用通知（Return offer）较少见。与软件工程职位不同，研究职位的转正机会需要具体情况具体分析。即使是申请 OpenAI 的 Astra 奖学金，他仍然需要像其他申请者一样经历所有面试环节。

最后一个意外是，很多面试与他的主题（AI 安全）无关。他原本预期会有更多与 AI 安全相关的问题，因为这是一个亟待解决且相对小众的研究课题，但实际情况并非如此。他遇到过许多与 AI 安全完全无关的案例，甚至与他的研究方向也不相关。他认为，这可能是在评估研究员的全面性，尤其是在快速发展的 AI 领域，扎实的基础很重要。

Yong Zheng-Xin 还分享了更多关于 AI 安全技术面试的资源，以及 Nathan Lambert、Alisa Liu 和 Silvia Sapora 的相关博文。