如何招到真懂GenAI的人

[fantasist]

你直接去应聘meta或者找人把你们买了不就完事了

我在meta很多年早待够了，情感上一点都不想回去，近期拿过offer不过还是放弃了现钱选择继续在startup。这个新org会发展成什么样很难说，但有一点很明确，文化绝对toxic，Alex等空降兵跟现有GenAI org的政斗大戏已经拉开序幕。我就是不喜欢大厂这些乌烟瘴气才跑路的，踏踏实实搬砖不想参与这些烦心事。

我们老板还是挺有追求的，明确说了现在不卖身。他们都这么有上进心，跟着赌一把又有何妨。

[ccmath]

newgrad不可能有你要的这种经验，假设不刷题，那你如何判断这个人是否聪明？

所以世界上只有一家ds。招一堆顶校的聪明年轻人，让他们自己形成顶尖团队，这个只敢梦里想象一下。我们对很聪明的newgrad已经放宽要求了，不要scaling的经验，训过模型能讲清楚就行。不过这样的人OA也喜欢呀，碰到过被抢走的。
而几年经验到很senior的，不提高bar怎么办。狂吹lead了多少项目，实际没有模型训练经验的大厂或学术圈混子太多了，招几个这样的人进来赌可以培养成能干活的人，说不定没几个月我们组全滚蛋了。

[justChat]

李沐的bosonAI就是干这个的吧

帮一个公司训练一个针对这个公司的模型，如何？ 一次性服务。收费多少？我知道好多公司有这个需求。

[hci]

公司一般自己雇人干这个。

数据为王。让外人接触自己的数据有一定风险，把数据给你了让你训，你拿数据跑路咋办，或者你把模型直接自己拿来卖，他们不是打水漂了么。

帮一个公司训练一个针对这个公司的模型，如何？ 一次性服务。收费多少？我知道好多公司有这个需求。

[iDude]

不懂就问。LLM出成绩的前提是Scaling，所谓大力出奇迹。所以全球只有两只手数的过来的大厂才有可能有所作为。
中厂搞LLM的动机俺猜是内部爬梯子、外部搏眼球（提升股价等等）。
那么小厂搞LLM是啥幺蛾子？万一哪里捡个漏然后等着被大厂收购？就像曾经红极一时的众多自动驾驶公司那样？

[fantasist]

newgrad不可能有你要的这种经验，假设不刷题，那你如何判断这个人是否聪明？

别小看newgrad，来我们这面试的有在deepmind/OA这种地方实习过，有一定相关经验的。还有顶校科班phd特别是ucb的，那些ml sys lab水平很高，可能没体验过特别大的scale但做的很深，真正有full stack understanding，比工业界的senior调包侠强多了。
判断一个人是否聪明主要看反应速度，问一个问题能立刻反应过来然后回复到点子上，与行业关系不大。肯定有不善言辞的聪明人，但碰到这种super sharp ng一定会被impress到，聊一会儿就想立刻招进来一起工作。

[hci]

就是想被acquahire

不懂就问。LLM出成绩的前提是Scaling，所谓大力出奇迹。所以全球只有两只手数的过来的大厂才有可能有所作为。
中厂搞LLM的动机俺猜是内部爬梯子、外部搏眼球（提升股价等等）。
那么小厂搞LLM是啥幺蛾子？万一哪里捡个漏然后等着被大厂收购？就像曾经红极一时的众多自动驾驶公司那样？

[iDude]

公司一般自己雇人干这个。

数据为王。让外人接触自己的数据有一定风险，把数据给你了让你训，你拿数据跑路咋办，或者你把模型直接自己拿来卖，他们不是打水漂了么。

肯定先签保密协议了。不然当年Google怎么能把自己的Search Engine卖给各大公司内部使用。

[laoxg]

刷题也判断不了一个人是否聪明，最多判断这个人能否为了五斗米而take some shit

newgrad不可能有你要的这种经验，假设不刷题，那你如何判断这个人是否聪明？

[hci]

你说的， 不就是我上面提到的那个公司的情况么？人家招的一水谭府和颗粒的ML组出来的小孩。可人家就是用“transformer的性质“来作为第一轮的筛选的问题的。整个面试流程，我根本就连代码都没有见到过一次。

我觉得这个公司比你的那个要更靠谱，人家已经有垄断市场的独有模型了，还是cash flow positive。领导层也好，3个创始人：一个商业人士与硅谷大佬是好基友，一个谭府ML PhD dropout，一个行业专家。

别小看newgrad，来我们这面试的有在deepmind/OA这种地方实习过，有一定相关经验的。还有顶校科班phd特别是ucb的，那些ml sys lab水平很高，可能没体验过特别大的scale但做的很深，真正有full stack understanding，比工业界的senior调包侠强多了。
判断一个人是否聪明主要看反应速度，问一个问题能立刻反应过来然后回复到点子上，与行业关系不大。肯定有不善言辞的聪明人，但碰到这种super sharp ng一定会被impress到，聊一会儿就想立刻招进来一起工作。

[iDude]

刷题也判断不了一个人是否聪明，最多判断这个人能否为了五斗米而take some shit

太偏激。能刷出来很多东西。是否有Conviction/Commitment，是否能Manage work/life/leetcoding。

[fantasist]

太偏激。能刷出来很多东西。是否有Conviction/Commitment，是否能Manage work/life/leetcoding。

lc的主要问题是有些算法在工作中完全不会用到，刷这些题完全是浪费时间，尤其是刷过的几行能写出来而没见过的根本不可能当场想出来optimal solution。我比较喜欢的题目是实现一个简化版的实际需求，不会太难但有足够的区分度。

[hahan]

比20万还是多不少的，但给再多也没法跟几个头部比。O的包裹本来就很大，为了不被挖人，给research部门每个普通员工发两年1.5米的bonus，核心员工肯定更多。小家小业的地方绝对没办法match这种待遇，其实我也很羡慕。

为啥不跳？

[laoxg]

呵呵，你知道对很多人而言，他们的所谓“work/life/LC management”，就是本职工作不好好干，利用上班时间偷偷刷题吧？这种人你司想招吗？

太偏激。能刷出来很多东西。是否有Conviction/Commitment，是否能Manage work/life/leetcoding。

[wildthing]

公司一般自己雇人干这个。

数据为王。让外人接触自己的数据有一定风险，把数据给你了让你训，你拿数据跑路咋办，或者你把模型直接自己拿来卖，他们不是打水漂了么。

这个自己干风险更大。没有经验，几百万打水漂。

[fantasist]

你说的， 不就是我上面提到的那个公司的情况么？人家招的一水谭府和颗粒的ML组出来的小孩。可人家就是用“transformer的性质“来作为第一轮的筛选的问题的。整个面试流程，我根本就连代码都没有见到过一次。

我觉得这个公司比你的那个要更靠谱，人家已经有垄断市场的独有模型了，还是cash flow positive.

“人家招的一水谭府和颗粒的ML组出来的小孩” 这种类似于quant公司，目标是一开始就挣钱，都是有小圈子的，就像deepseek一样。你就算能混进去也不会舒服的，因为多半文化合不来。我之前有一个这类startup的offer，钱给的更多，但最终还是选择了人员结构更diverse的现公司。

[fantasist]

为啥不跳？

虽然心动，想去面一波，但wlb是big concern。在这几家核心组的朋友都是007，压力巨大，跟我们组一个跑路的聊了几次真心劝退。我觉得现在这公司已经够忙了，再加码身体吃不消，平时带娃还要耗不少时间，卷不动。当年在meta也因为wlb的concern没考虑去做推荐系统，错过了公司的最大红利期。如果性格不适合去最卷的地方拼，看别人吃香喝辣心态放平就好，想办法喝口汤。

[虎鲸归来]

别急着吹自己是 GenAI researcher 啊，能不能先把 Megatron-LM 的 sequence parallel 代码读完？别老拿 huggingface 的 Trainer 当作你实现了 distributed training，好吗？
你说你做过 long context training，结果一问 EP rank 怎么通信直接 silent token，你这是 GPT-哑了吗？
还有那些简历上写着 improved model convergence 的，面到我这儿，先来个 flash attention kernel 改版试试，看看你是 torch.compile 派还是真的懂 CUDA warp 的那派。
真训过几百 B 模型的人，聊 scaling law 的时候眼睛是发光的，只训过几 B 模型的人，聊 scaling law 的时候眼神是飘的。
最后提醒一句，parameter count ≠ capability，简历 keyword count ≠ capability
祝你招聘顺利

[wildthing]

公司一般自己雇人干这个。

数据为王。让外人接触自己的数据有一定风险，把数据给你了让你训，你拿数据跑路咋办，或者你把模型直接自己拿来卖，他们不是打水漂了么。

或者开发这类的服务平台如何？
平台可以提供一些训练的一条龙服务。本身不直接接触数据。利用Trusted computing environment

[hci]

定好budget。这也是为啥需要有自己技术观点，能具体问题具体分析的的技术领导来，而不是搞个教徒来。

这个自己干风险更大。没有经验，几百万打水漂。