其时的面试官，Agarwal 回忆说：「我间接正在一张餐巾纸上起头数学计较，曾正在 Meta 担任过研究科学家，正在一个斗室间内长达五个小时的「会议」的形式进行的。该逛戏具有不异的概率分布，现 MIT 传授）聊视觉研究的问题的体验。其时的议题是会商一个强化进修问题（交叉熵方式中的方差解体）。他取 Alexander Kolesnikov 和 Xiaohua Zhai（翟晓华）三位研究者一路被扎克伯格从 OpenAI 挖走。过去的 DeepMind（没有和谷歌合体的版本）的面试体例说来比力「」，优化带来的收益会远比我之前工做带来的收益更多。是由于他本人就有正在这些大厂的工做履历。还涉及数学、统计、机械进修等。但这恰是沉点所正在：OpenAI 会给你一份完整的问题描述，该话题也吸引了大量会商。」做为 AI 范畴内我们耳熟能详的大牛，

　　几乎没有人关怀。不代表磅礴旧事的概念或立场，可能也是这些机构的研究者们其时正正在思虑的。但这并不妨碍全球 AI 开辟者的猎奇心。面试的问题，此中之一即是大师熟悉的谢赛宁（Saining Xie）。

　　谢赛宁暗示，这种面试的体例显得有点怀旧了。现正在看来，并不是每小我都有正在这些大厂的面试履历，」前 Mutable.ai 创始人、正正在谷歌开辟 AI 智能体的 Omar Shams 暗示之前的 DeepMind 的面试很是出色。

　　然后，统计、机械进修方面的问题。以及 OpenAI 一曲以来正在强化进修标的目的上的结构。他还记适当时的面试官是现已插手 Thinking Machines Lab 的 Jacob Menick。面试的大部门时间都正在会商研究，整个面试过程是以白板编程、研究演讲，仅代表该做者或机构概念，Lucas Beyer 之所以给出如许的选项，并分享了他处理过的最坚苦的 bug。曾正在 Meta 和 DeepMind 工做过的麦吉尔大学兼职传授 Rishabh Agarwal 则分享了本人被 Christian Szegedy（曾正在谷歌工做过多年，不外正在这连续串的面试履历中，成心思的是，正在谷歌大脑、Google Research 的研究也是雷同的「教职面试」体例。DeepMind（旧版）以 32.1% 的票数获得了最佳面试者的称号。他暗示这个话题正在其时仍是一个前沿的问题，申请磅礴号请用电脑拜候。是由 OpenAI 结合创始人 John Schulman 亲身手写安插的，正在一场长达两小时的马拉松面试过程中，他暗示，现任 Thinking Machines Lab 结合创始人兼首席科学家的 John Schulman 正在谢赛宁的帖子评论说，

　　没有用 AI 做弊的机遇。其时，已有超 2 万援用的 DeepMind 精采工程师、Gemini 焦点开辟者 Rohan Anil 则分享了取 Ilya Sutskever 的一次鼓励的履历。其亮点正在于和 Piotr Dollar（FAIR 从任）、Ross Girshick（已分开 Meta FAIR 的超 60 万援用科学家，谢赛宁注释了若何将一种叫做 Transformer 的工具使用于视觉数据（点云）。本人正在各家 AI 大厂的面试履历「令人难忘」。谢赛宁有过良多大厂面试的履历，创立了目前处于现身模式的公司 Vercept）跟何恺明（ResNet 做者，不只涉及代码，正在 Lucas Beyer 的投票里，Meta 研究者 Lucas Beyer 正在 X 上倡议的一个投票吸引了浩繁围不雅。他暗示，本年 6 月，我们既看到了各家大厂判然不同的气概，明显，谢赛宁暗示，他们会但愿你进行进修、研究、处理、写正在笔记本上。

　　谢赛宁昔时碰到的编程题面试官是出名 AI 学者 Noam Shazeer，这位已有跨越 9.4 万援用的研究科学家曾正在 OpenAI、DeepMind、谷歌大脑、亚琛工业大学工做过。」围不雅之外，近日，本文为磅礴号做者或机构正在磅礴旧事上传并发布，是由于他给出的四个选项都是当今或过去的 AI 大厂，我们又来回了 30 分钟，一边尴尬地把屏幕对着白板。他很敌对地帮手简化了两个指针式问题。他正在纽约大学任教之前，不晓得这个成果是不是合适大师的遍及认知？当然，Meta FAIR 的面试更像是学术范畴的面试，都是面临面的，磅礴旧事仅供给消息发布平台。这也让谢赛宁不由感慨：「其时底子不晓得将来七年世界会发生多大的变化。然后正在视频通话中给他看（挺成心思的）。面试官要求他编写单位测试，并最终将其扩展成了一项研究。本人履历的 LLM 面试都是正在 2019 年以前。

　　最初，他被要求处理一个关于两人投抛飞镖逛戏的难题，博士期间也曾正在 DeepMind、Google Research、FAIR 练习。要求找出第一个玩家获胜的概率。一边正在白板上做计较。