【AI博士求职：一场关于工程肌肉与信息差的极限拉练】

顶级AI实验室的Research Scientist岗位，门槛早已不是几篇顶会论文那么简单。华盛顿大学NLP博士Alisa Liu的复盘揭示了现状：这不仅是学术能力的溢出，更是一场高强度的全栈拉练。

核心逻辑在于，工业界对研究员的定位正从“单纯科学家”转向“超级工程师”。面试不再只聊论文细节，而是要求你在白板上徒手实现Transformer、写出PPO与GRPO的区别、甚至推导复杂的数学公式。这种从底层Token处理到大规模并行策略的全栈考察，是在测试你的工程肌肉是否足以支撑昂贵的算力实验。

一个被忽视的角度是：求职准备其实是博士阶段最好的补课。研究往往让人陷入局部最优，而为了面试去系统梳理LLM全栈知识，反而能打通知识孤岛，提升后续的研究直觉。

最后，拿到Offer只是下半场的开始。谈判补偿是一场信息不对称的博弈，PhD们往往在这一环被职业HR降维打击。最有效的策略不是单打独斗，而是利用社交网络对齐市场行情。面试考的是智商，而谈判考的是你对游戏规则的理解。

alisawuffles.github.io/blog/job-search/