TwiScan
Hot
Communities
Account collections
Login
Register
English
日本語
한국의
简体中文
繁体中文
Register and share your invite link to earn from video plays and referrals.
Register now
Xudong Han
@Xudong07452910
PhD ing @ University of Sussex | LLM & AI Agents 🎓 AI Agent Product Development Sharing AI tech insights DM for collab 📩 vx: hxdflying
Joined November 2020
744
Following
16.1K
Followers
Xudong Han
@Xudong07452910
2026.07.22 04:20
最近我有个手握十篇AI顶会的博士朋友正在找工作,分享一下他找工作的经验吧: 整理了 50 多篇青云、Seed、Kimi 等大模型人才计划面经,发现一个挺反常识的现象: 论文多的人,不一定更容易通过。 面试官真正关心的通常不是论文数量,而是几个更具体的问题: 你的研究方向和团队是否匹配?工作里哪些部分是自己完成的?为什么这样设计?方法在哪些场景会失败?换到真实业务里,成本和收益是否仍然成立? 研究型团队会重点考察问题定义、方法创新、实验设计和未来研究方向。但对于后训练、Agent 和推理系统岗位,工程闭环同样重要: 能不能搭建数据、训练、rollout 和评测流程?是否真正用过 verl、vLLM、Ray、DeepSpeed?遇到 reward 异常、熵崩溃、显存不足或吞吐下降时,能不能定位原因? 所以常见的四类候选人,大致是: 1. 论文强、工程弱:Research Talk 有优势,但容易挂在 Coding、系统实现和工程追问。 2. 工程强、论文弱:业务组适配度不错,但需要证明自己不只是调用框架,也能定义和分析问题。 3. 论文和工程都强:竞争力最高,但面试官会重点确认工作是否真正由自己主导。 4. 两边都不突出:与其继续堆零散经历,不如完成一个方向匹配、指标完整、能讲清失败案例的闭环项目。 人才计划不一定选择履历最豪华的人,更可能选择: 1. 方向匹配,并且能够独立把问题推进下去的人。 2. 一篇能讲透、能复现、能落地的工作,可能比几篇说不清个人贡献的论文更有说服力
Show more
0
0
40
439
57
Forward to community
Most Popular Users
Tibo
@thsottiaux
1M Followers
FinancialJuice
@financialjuice
959.1K Followers
Binance Wallet
@BinanceWallet
2.8M Followers
First Squawk
@FirstSquawk
579.6K Followers
LiveSquawk
@LiveSquawk
504.2K Followers
Serenity
@aleabitoreddit
1.1M Followers
Binance
@binance
16.1M Followers
ClaudeDevs
@ClaudeDevs
832.8K Followers
CNBC
@CNBC
6.3M Followers
New York Post
@nypost
4.3M Followers
Seeking Alpha
@SeekingAlpha
348.2K Followers
The Wall Street Journal
@WSJ
22.3M Followers
TheStreet
@TheStreet
1.2M Followers
Boris Cherny
@bcherny
641.8K Followers
Thariq
@trq212
404.8K Followers