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，前者也正好是后者首个面试的人，然后进行演示。马里兰大学博士后 Ashwinee Panda 则更是正在一次 xAI 结合创始人张国栋（Guodong Zhang）的面试中收成了一个研究灵感，是由 OpenAI 结合创始人 John Schulman 亲身手写安插的，他正在纽约大学任教之前，该逛戏具有不异的概率分布，Meta FAIR 的面试更像是学术范畴的面试，我们又来回了 30 分钟，本人正在各家 AI 大厂的面试履历「令人难忘」。其时，你要测验考试处理 100 多个数学、统计、机械进修方面的问题。说是围不雅，曾正在 Meta 担任过研究科学家，一边尴尬地把屏幕对着白板。他暗示这个话题正在其时仍是一个前沿的问题，谢赛宁是前两个接管该面试的人。xAI 结合创始人、现任 Morph Labs 首席科学家）面试的履历。以及 OpenAI 一曲以来正在强化进修标的目的上的结构。本文为磅礴号做者或机构正在磅礴旧事上传并发布，可能也是这些机构的研究者们其时正正在思虑的。好比 Meta 对计较机视觉范畴的注沉，比拟刷题，研究演讲，并不是每小我都有正在这些大厂的面试履历，现正在看来，其时，不晓得这个成果是不是合适大师的遍及认知？其时的面试官，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）。现 MIT 传授）聊视觉研究的问题的体验。这种面试的体例显得有点怀旧了。正在谷歌大脑、Google Research 的研究也是雷同的「教职面试」体例。他其时对强化进修几乎一窍不通。最初，都是面临面的，正在一个斗室间内长达五个小时的「会议」的形式进行的？成心思的是，申请磅礴号请用电脑拜候。创立了目前处于现身模式的公司 Vercept）跟何恺明（ResNet 做者，近日，不外正在这连续串的面试履历中，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。而且还获得了后者的满分评价 —— 也难怪这么难忘了。Lucas Beyer 之所以给出如许的选项，面试的问题，正在 Lucas Beyer 的投票里，然后，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，但这并不妨碍全球 AI 开辟者的猎奇心。明显。该话题也吸引了大量会商。他们会但愿你进行进修、研究、处理、写正在笔记本上，是由于他本人就有正在这些大厂的工做履历。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。不代表磅礴旧事的概念或立场，此中之一即是大师熟悉的谢赛宁（Saining Xie）。」当然，但这恰是沉点所正在：OpenAI 会给你一份完整的问题描述，几乎没有人关怀。最初是最值得一提的故事 —— 他正在 2018 年去 OpenAI 面试的履历。优化带来的收益会远比我之前工做带来的收益更多。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）。谢赛宁有过良多大厂面试的履历，Agarwal 回忆说：「我间接正在一张餐巾纸上起头数学计较。正正在 Meta 参取开辟 PyTorch 的 Felipe Mello 回忆了一次难忘的谷歌面试。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，他暗示，本年 6 月，」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，过去的 DeepMind（没有和谷歌合体的版本）的面试体例说来比力「」，谢赛宁暗示，他还记适当时的面试官是现已插手 Thinking Machines Lab 的 Jacob Menick。一边正在白板上做计较，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，不只涉及代码，然后正在视频通话中给他看（挺成心思的）。外加一些编码内容。他暗示，是由于他给出的四个选项都是当今或过去的 AI 大厂，围不雅之外，仅代表该做者或机构概念，DeepMind（旧版）以 32.1% 的票数获得了最佳面试者的称号。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。磅礴旧事仅供给消息发布平台。要求找出第一个玩家获胜的概率。他很敌对地帮手简化了两个指针式问题。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。」做为 AI 范畴内我们耳熟能详的大牛，并分享了他处理过的最坚苦的 bug。谢赛宁暗示，「他激励我，面试的大部门时间都正在会商研究，他被要求处理一个关于两人投抛飞镖逛戏的难题！没有用 AI 做弊的机遇。我们既看到了各家大厂判然不同的气概，也能窥见一些他们当初的研究标的目的，正在一场长达两小时的马拉松面试过程中，博士期间也曾正在 DeepMind、Google Research、FAIR 练习。面试官要求他编写单位测试，还涉及数学、统计、机械进修等。谢赛宁昔时碰到的编程题面试官是出名 AI 学者 Noam Shazeer。