AI 研究岗位的市场现状（以及我所经历的）[译]
内容提要
文章讨论AI研究岗位市场现状及作者求职经历：生成式AI推动相关人才需求激增，薪酬高涨、流动频繁，但真正重视开放研究的机构不多。作者求职时看重能否继续深耕RLHF并保持分享自由，最终在Cohere、Meta、Google DeepMind、Mosaic等机会中权衡选择。
延伸解读
供需失衡下的求职权衡
文章指出，生成式AI和大语言模型领域工作机会众多，但相关专业人才储备不足，导致供求关系极端。作者在求职时收到多个offer，却难以找到完全符合自己研究兴趣和分享自由期望的职位。这反映出市场热度虽高，但个人与岗位的匹配仍需仔细权衡，高薪和名气并非唯一考量。
大公司研究自主性的差异
作者对比了几家公司的研究环境：Google DeepMind资源一流但工作内容不透明；Meta的Llama团队直接研究前沿开源模型，对注重开放科学的人有吸引力；而初创公司如Cohere for AI和Mosaic则更灵活，但可能受商业现实影响。文章提醒读者，机构对开放研究的重视程度不同，选择时需关注实际工作自主性。
面试准备的技术重点
根据作者经验，LLMs领域的技术面试常围绕系统内部功能展开，建议深入理解attention实现细节、多GPU训练原理、VRAM预估及超参数调整（如quantization），并熟悉正则化技术。此外，准备一个如何与公司合作的具体故事，并展示GitHub或HuggingFace上的实际成果，往往比复杂研究项目更能引起共鸣。
RLHF领域的人才与趋势
作者观察到RLHF研究速度自8月以来明显加快，但当前从事RLHF的人数仍较少，反映了数据行业的挑战。他预计6个月后情况会变化，RLHF应用将更复杂。同时，开源社区已开始掌握RLHF精髓，如HuggingFace推出的70亿参数聊天模型在MT Bench上表现超过Llama 70b，显示该领域正快速演进。
Q&A
生成式AI兴起后，AI研究岗位的市场供需情况如何？
生成式AI和大语言模型领域工作机会众多，但相关专业人才储备不足，导致雇主招聘压力大，供求关系极端。其他领域则相对冷清，但也在逐步恢复。
目前顶尖AI研究员的薪酬水平大概是多少？
顶级研究员（研究成果与《Attention is All You Need》相当）从OpenAI可获得约100万美元年薪；新近博士毕业生在ChatGPT出现前最高约50-60万美元，现在顶尖人才接近85万美元。
AI研究员频繁跳槽的现象有多严重？
员工流动率很高，甚至顶尖研究员加入一家公司后不到半年就离开。这种趋势已从大型科技公司蔓延到整个行业，让许多人感到焦虑和不稳定。
Google DeepMind和Meta在AI研究项目优先级上有何不同？
Google DeepMind将项目分为三类：即将发布的大型模型Gemini、与Gemini相关的短期研究、更长远的基础研究，大部分研究人员集中在前两类。Meta的GenAI技术小组要求成员70%时间改进现有模型，30%时间投入持续研发。
作者在求职时最看重什么？为什么拒绝了一些大公司？
作者希望继续深耕RLHF领域，并保持分享自由（如做Interconnects/podcasting）。因此拒绝了Apple、Google DeepMind等不支持分享或可能成为“螺丝钉”的机会，也因信息不透明或方向不匹配而放弃了一些公司。
对于想找LLMs领域工作的求职者，作者建议掌握哪些技术知识？
建议深入了解attention实现细节（参考nanoGPT）、掌握多GPU训练原理、VRAM使用预估、通过调整超参数（如quantization）减小模型大小，以及熟悉正则化技术（batch norm、dropout、weight decay等）。
作者对开放研究在AI行业的现状有何看法？
作者认为真正重视开放研究和科学的机构并不多。即使有学者心态的研究人员加入，商业现实需求往往成为首要任务，尤其在初创公司。不过，Transformer架构潜力巨大，聚集背景各异的顶尖专家是发掘潜力的最佳方式。
