lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
ホーム
OPRR
速報
深堀り
イベント
BlockBeats Pro
もっと見る
資金調達情報
特集
オンチェーン生態系
用語
ポッドキャスト
データ
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
Partnered With:

57回の面接を経てOpenAIの内定を獲得:あるNLP博士の就職活動振り返りが話題に

この記事を読むのに必要な時間は 13 分
6年間で57回の面接、給与交渉は問題集を解くより難しい。
原文タイトル:「57回の面接からOpenAIオファーへ:NLP博士が語るトップAI企業への就職活動の振り返りが話題に」
原文出典:機器之心


機器之心編集部 本日、ワシントン大学の博士課程修了予定のAlisa Liu氏がOpenAIに参加するというニュースがXでトレンド入りした。


メインポストの閲覧数は100万を突破し、彼女は今回の就職活動が想像以上に挑戦的だったが、得るものも多かったと語っている。


そこで彼女は小さなブログを書き、これまでの経験から学んだことを共有し、次にこのプロセスを経験する人が少しでも迷わないようにしたいと考えている。



もしあなたが博士課程に在籍しているか、これから就職活動を始めるなら、この記事はじっくり読む価値がある。Alisa Liu氏の研究は、言語モデルのためのより良いアルゴリズムの構築を目指しており、トークン化、データ作成、推論時の適応などの方向性を含む。卒業後、彼女は複数のトップAI企業からResearch Scientist / MTSのオファーを獲得した。


そのため、彼女は就職活動の全プロセスを振り返りとして書き、一切の隠し立てをせず、自分が打ちのめされた瞬間も含めて公開している。ブログの冒頭で、彼女は博士課程のほとんどの期間、就職活動はまるでハリー・ポッターの組み分け帽子のように感じていたと書いている。上級生の先輩たちが数ヶ月姿を消し、再び現れた時には運命が決まっている。彼らがどこに行ったかは知っているが、その間に何が起こったのかはほとんど知らなかった。


自分自身の番が来るまで、このプロセスが想像以上に過酷で、彼女はずっと「ルールを学びながら、同時にカードを切っている」状態だったことに気づかなかった。この記事は、まだ始めていない人のために書かれたものだ。


ブログアドレス:
https://alisawuffles.github.io/blog/job-search/


6年間のNLP博士課程で、彼女はResearch ScientistおよびMember of Technical Staffのポジションに応募した。就職活動期間中、11社の面接プロセスに参加し、57回の正式な面接を完了し、46件のリクルート電話を受け、オファー獲得後にはさらに16回の深い話し合いを行い、その他にも数え切れない非公式なネットワーキングの会話があった。


彼女はいくつかの企業から希望するオファーを受け取り、他の選考プロセスは自ら取り下げた。一方で、いくつかの企業からはその後一切連絡がなかった。



「練習」をするべきか、それは複雑な問題だ


面接の順番に関して、最も広く伝わるアドバイスはこうだ:まずはあまり気にしていない企業で練習し、その後本当に行きたい企業を集中的に進め、オファーを同時に獲得して後々の給与交渉を有利にする。


このロジックはおおむね正しいが、彼女は実際に経験する中で、事態はもっと複雑だと気づいた。


まず、エネルギーには限りがある。練習は役立つが、最初の数社を捨て駒にして疲れ果ててしまい、本当に行きたい場所に回ってきた時には、コンディションが崩れている。


次に、面接のタイミングは完全に自分でコントロールできるわけではない。ある企業に採用枠があるかどうか、どのチームが積極的に人を募集しているかといった外部要因は、往々にしてあなたの「準備度合い」よりも影響が大きい。社内の友人や採用側を通じて事前に状況を把握しておくことができる。


第三に、オファーの期限は通常、想像以上に柔軟性がある。採用側はあなたが複数のプロセスを同時に進めていることを知っており、通常は協力的だ。しかし彼女はこうも警告する:極めて短い契約期間を提示する「爆発的オファー」も確かに存在するので、事前にルールをしっかり確認しておくべきだ。


7種類の面接、それぞれ全く異なることを問う


彼女はこれまで経験したすべての面接を7つのタイプに分類し、特に強調したのは:全体的に見て、技術能力の評価は研究経験そのものよりもはるかに重視される。もちろん、研究経験が面接の機会を得るきっかけになることもある。


最も頻度が高いのは、MLコード問題だ。問題は、Transformerのような古典的なアーキテクチャを実装すること、beam searchのようなデコード戦略を実装すること、伝統的なMLアルゴリズム、あるいは非常に独創的なバリエーションであることもある。PyTorchは必須のツールとして習得しておく必要がある。彼女は時々、numpyのみを使用するよう求められることもあった。例えば、ゼロから手動でバックプロパゲーションを実装する場合などだが、面接官はすべてのnumpy構文を事前に熟知していることを要求しなかった。


次に、一般的なアルゴリズム問題、つまりLeetCodeスタイルで、時には背景を装飾したものもある。彼女は、この部分の根本的なロジックはMLコード問題と高度に重なっており、基礎を固めることで両方のタイプの問題に役立つと述べている。


技術討論はコードを書かないが、頭を使うタイプだ。時には面接全体が一つの問題を中心に展開する:研究目標を与えられ、実験を設計し、面接官が設計の決定について質問し、仮説的な結果を示して分析と次のステップの設計を求める——評価されるのは思考のプロセスだ。別の形態としては、素早く連続して大量の質問を投げかけられるものがある。例えば「位置エンコーディングにはどのような異なる実装方法があるか」「5D並列処理とは何か」「PPOとGRPOの違いは何か」といったもので、短時間で知識の広さを探られる。


研究経験に関するディスカッションは、PhDの日常的なトレーニングに最も近いタイプの面接です。通常は「あなたが取り組んだプロジェクトを紹介してください」という質問から始まり、その話題を深掘りしていきます。面接官が履歴書に記載された他の論文について質問することもあります。彼女はこのタイプの面接に備える際、自分の研究をより高い視点から俯瞰するよう意識していました——なぜこのテーマを選んだのか、研究過程でどのような独自の判断を積み重ねたのか、将来最も価値のある方向性はどこにあるのか。また、応募先企業の方向性に合わせて研究紹介のアングルを調整していました。彼女の言葉を借りれば、「面接官は皆疲れている。彼らに『あなたのバックグラウンドは我々のニーズと高度にマッチしている』と素早く感じさせることが何よりも重要だ」とのことです。


行動面接は、彼女が唯一惨敗した経験を持つタイプです。彼女曰く、初めての行動面接では全く真剣に受け止めておらず、「自分は明らかに行動が正しい」と思っていたそうです。ところが、最も基本的な質問をされた際、頭が真っ白になり、その場で曖昧な記憶を必死に繋ぎ合わせるしかありませんでした。


面接終了時、面接官から彼女を居心地悪くさせる一言が投げかけられました。「あなたは私の質問に答えていません」。彼女は記事の中で、その苦しみは独特だったと述べています——記憶を検索し、思考を整理し、言葉を発するという三つの作業を同時に行い、どれも上手くいかなかったのです。正しい方法は、PhD期間中に語る価値のあるストーリーを全て事前に整理し、一般的な行動面接のフレームワークに沿ってマッピングしておくことです。そうすれば、質問を受けた際に直接引き出せるようになります。


数学面接は一部の企業で実施されます。難易度は面白い論理パズルから、紙とペンを使った本格的な計算問題まで様々です。彼女は確率論、線形代数、微積分の復習を推奨しています。


最後にJob Talkです。アカデミア版よりも短く、より焦点を絞った内容です。彼女のJob Talkはトークナイゼーションを中心に据え、主に第一著者論文1本を深く掘り下げ、第二著者論文数本と進行中の研究を補足として、それらが一貫したナラティブラインを形成するよう構成されていました。


準備に近道はない


彼女は、真剣に試験対策に時間を費やすこと以上に価値のあることは何もないと述べています。この経験を学部時代に戻ったようだと例えています——ノートを取り、図を描き、問題を解き、一日中カフェにこもってMLの基礎をゼロから導出する。彼女は特にLLM用のノートを作成し、就職活動中ずっと更新し続けました。また、特定の面接のために一夜漬けで数学ノートも作成しました。


対策の道筋はおおよそ以下の通りです。まずスタンフォード大学の「Language Modeling from Scratch」全コースを最初から最後まで視聴し、頭の中に散らばった知識を一枚の完全な地図に統合します。基礎を固めた後、個別の概念を一つずつ深掘りし、ブログや論文を読み、AIと大量に対話し、ゼロから自分で実装することで真に理解を深めていきました。


彼女は特にTransformerの実装について強調した。「Transformerをゼロから実装しデバッグできることは、面接で頻出するため、筋肉記憶になるまで練習すべきです。ここで点を落としては絶対にいけません」と。


また、練習時にはAI補助ツールを完全にオフにし、実際の面接環境をシミュレートするよう注意を促した。「AIへの依存度を過小評価してしまい、強制的に独立して問題を解く状況になって初めて気づくものです」と。


各面接に合わせて個別の準備も行うという。「まるで一度も授業を受けたことのない数学やCSの科目で、中間試験まであと3日しかなく、一夜漬けが必要な状態です」。面接の説明、企業の技術的方向性、採用側のヒント、企業の評判を総合的に判断し、試験範囲を特定した上で、最も関連性の高い内容に集中して取り組む。


試験前の状態については、痛い教訓がある。最初の技術面接の前に2時間しか眠らず、一晩中LLM Inferenceの詳細を復習した結果、その知識は全く出題されず、逆に眠気で簡単なoff-by-one errorに10分も詰まってしまった。「頭が全く回らなかった」からだ。結論として、十分な睡眠は、どんな直前の一夜漬けよりも重要だと述べている。


また、予想外の収穫として、大量の受験勉強が自信を大幅に高め、知識の盲点をさらけ出す心配がなくなり、学術的な対話でも隠し立てする必要がなくなったという。博士課程の早い段階でこの準備をしていれば、探求できる問題領域が広がり、思いつくアイデアも増え、積極的に人と話す機会も増えたかもしれないとさえ語っている。


オファー獲得は、始まりに過ぎない


多くの人はオファーを獲得すれば終わりだと思っている。彼女は、むしろ逆だと言う。


次に来るのは、かなり長い期間になる可能性がある。将来のチームメイトやマネージャーと深く話し合い、会社で食事をし、採用担当者からの電話を受け、山のようなメールを処理する——彼女はこの段階で返信できていないメールがいくつかあると認めている。


給与交渉はこの段階で最も重要なことであり、最も難しいことでもある。「博士課程ではこれについて全く準備しておらず、面接と違って問題を解くことで克服できるものではありません。採用側は市場情報や交渉術で優位に立ち、しかも人によって求めるものが異なります」と。


しかし、交渉しないのは間違いだ。初期オファーにはそもそも交渉の余地が残されており、複数の採用担当者から直接「最初のオファーを受け入れてくれるとは期待していません」と言われたという。この数週間に真剣に取り組むことは、初期オファーのまま数年働くのと同等の収入差を生む可能性があると述べている。


彼女の具体的な方法は、リクルート電話のたびに、自分が何を明かすか、何を明かさないか、そしてそのまま暗唱できるフレーズを書き留めておくことだった。相手が投げかけてくるであろう質問や論点を予測し、事前に対応策を考え、自分が心地よい状態で立場を貫けるように準備する。このプロセスは時間がかかるが、一つひとつの細部に真摯に向き合う価値がある。


誰も語らない部分


彼女は記事の終盤にこう書いている。その一節をぜひすべての人に伝えたい。「転職活動中、彼女は大量の感情を管理し続けていた。仲間と比較するのはとても辛いことであり、ほぼ避けられない。周りの人々が突然あなたの選択に異常なほど関心を持ち、さまざまなアドバイスや期待を寄せてくる。この社会的プレッシャー自体が大きなエネルギーを消耗させる。さらに辛いのは、情報が著しく不完全な状態で、影響の大きい重大な決断を下さなければならないことだ。そして、一見些細な選択——例えば誰に最初に連絡するか——には正解がなく、それでいて不釣り合いなほどの影響を及ぼす可能性がある。」


その数ヶ月間、彼女は常に崩壊寸前で、生活の他の部分はほぼ停止していた。「あなたが私よりも多くの楽しみを見つけられますように。もし見つからなくても、少なくともあなただけではないと知っていてほしい。」


最後に伝えたいこと


最後に、彼女はPhDそのものについて語った。おそらくこの記事で最も優れた部分だろう。


博士課程の終わりに向けてひた走り、ゴールにたどり着いたとき、彼女はむしろ大きな喪失感を覚えた。博士課程は特別な時間であり、唯一の責務は良いアイデアを生み出し、それを実行し、学び、成長することだ。すぐに生計を立てるために悩む必要はない。


彼女はこの記事が、未来に向き合う際に少しでも迷いを減らし、同時に、不安から現在を早急に使い果たさないように注意を促すことを願っている。これまでの道のりで、彼女はますますはっきりと気づいた。自分が最も良い仕事をできたのは、研究を心から楽しみ、ある問題に繰り返し引き寄せられていたときだった。未来への備えと、現在への情熱を保つこと。この二つは同時に成立し得るのだ。


原文リンク


BlockBeats の公式コミュニティに参加しよう:

Telegram 公式チャンネル:https://t.me/theblockbeats

Telegram 交流グループ:https://t.me/BlockBeats_App

Twitter 公式アカウント:https://twitter.com/BlockBeatsAsia

ライブラリを選択
新しいライブラリを追加
キャンセル
完了
新しいライブラリを追加
自分のみが閲覧可
公開
保存
訂正/通報
送信