华盛顿大学双性恋博士为何拒绝高校offer，选择OpenAI？

新智元报道  

编辑：编辑部

【新智元导读】这位华盛顿大学的博士，4年手握3篇顶会Oral，在求职过程中经历了曲折的心路历程，最终，他选择了OpenAI。

4年5篇顶会，其中3篇是Oral！

今天的这位主角Rowan Zellers，在2022年6月取得了华盛顿大学的博士学位。他的研究方向是自然语言处理和计算机视觉的交叉领域。

最初打算进军学术界的Zellers，详细地制作了申请学校名单，准备了多份材料，甚至经历了160位教授的面试。

然而他却在求职结束时做了一件连自己都没想到的事——拒绝了所有学术界的offer，并选择了OpenAI。

Zellers在接触工业界的工程中，逐渐发现了这个秘密：在人工智能这个领域，大规模基础研究是越来越难了，而工业界却能够给他想象不到的学术自由。

个人主页：https://rowanzellers.com/

Zellers在漫长而曲折的求职过程中，心理是如何发生转变的？他写下两篇详细的博文，与我们分享了他的心路历程。

准备求职

在求职之前，Rowan Zellers的导师告诉他说：「在『工业研究实验室』里，你没办法做你自己想做的研究」。

另一位导师也表示：「你的工作给我的印象是更加学术化的。」

此外，Zellers自己也很喜欢为他人提供指导，因为他觉得这项工作很有价值。

于是，在导师的建议和兴趣的驱动下，Zellers决定在学术界找份工作。

Zellers表示：「我真的很喜欢我正在做的工作。博士论文进展得很顺利，尽管一路上有很多坎坷。不仅如此，我提出的一些基准已经被广泛地使用了。」

撰写申请（2021年10月/11月）

到了2021年秋季，Zellers开始了积极的准备。

在此期间，他为MERLOT Reserve进行了实验——一个从YouTube上学习，同时结合视觉、声音和语言的模型；为学生的研究项目提供了指导；然后就是就业方面的各种事情：起草学校名单，写申请材料，联系写信人。

不过，这可能还不如许多新晋教授的工作量大吧。

在制作学校名单时，Zellers参考的是CRA工作板块（https://cra.org/），上面有很多学校的招聘广告。下面这个是他最终采用的名单，仅供参考：

文档链接：https://docs.google.com/spreadsheets/d/1ipN308vFkdWyrpxfnbKvBsP1Vw5FoqntdEw2h_xnCpY/edit#gid=0

• 选择学校

Zellers主要申请的是美国的学校，另外还有一些加拿大和欧洲的，不过申请程序都比较相似。需要注意的是，申请必须按时提交，这很重要，而且一些学校的截止日期会大大提前。

• 个人陈述

从8月到11月，Zellers都在制作自己的陈述（statement）：研究、教学和多样性。其中，教学和多样性并不难写，主要就是说一下在这些领域都做了哪些工作。

研究（research）：https://rowanzellers.com/assets/pdf/rowan_research_statement.pdf

教学（teaching）：https://rowanzellers.com/assets/pdf/rowan_teaching_statement.pdf

多样性（diversity）：https://rowanzellers.com/assets/pdf/rowan_dei_statement.pdf

• 研究报告

更多的时间是则是用在把不同领域所做的工作（从检测假新闻的人工智能，到基准，到模型）整理到一份连贯的文件上。根据别人给的建议，Zellers试图把它缩小到三个有趣的方向，并强调影响。

• 推荐信

推荐信共计四封：其中两封来自他的顾问Yejin和Ali；华盛顿大学的Luke和AI2的Oren提供了另外两封。Zellers表示，他们对自己的帮助很大，不仅写了推荐信，而且在整个求职的过程中提供了很好的职业和生活建议。

完成研究（2021年11月中旬）

直到CVPR截止日期当天（2021年11月16日），Zellers都一直在积极地进行研究。

对此Zellers表示，自己是在和一群了不起的合作者一起工作，而这也为项目提供了一个很好的条件（在预训练大模型时有足够的时间）。

相比起来，求职方面的压力可就大得多了！

Zellers和他的团队一直等到2022年1月才把论文提交到arXiv上。

因为AI2的设计师正在帮忙做演示，而他们想把它和论文一起发布。

项目地址：https://rowanzellers.com/merlotreserve/

提交申请（2021年12月初）

在把所有东西都写好之后，Zellers需要做的就是在填写大量的表格了（并检查推荐信的状态）。

在这段时间里，Interfolio为他提供了很大的便利，虽然注册Pro花了大约50美元，但是可以向很多学校重新发送已提交的推荐信。

在经历了紧张的秋季之后，Zellers决定在冬天好好放松一下——和小伙伴们一路从西雅图开车到盐湖城，尽享滑雪和冒险的快乐。

筛选面试（2021年12月-2022年2月）

在盐湖城的时候，Zellers收到了来自康奈尔大学的第一封电子邮件回复。

通常来说，筛选面试是一个30分钟的Zoom会议，其中候选人需要和1至6名老师进行交流。

而这些谈话中有一半似乎是按脚本进行的，根据经验，这多少会有些尴尬。简单来说就是，即使在双方都已经相当熟悉的情况下，也还是会被问到一些介绍性的问题，比如「你都在哪些会议上发表过文章」。

不过，这些脚本似乎是大学普遍要求的，从而让整个流程实现标准化。

而筛选面试的另一个重点在于，让Zellers衡量自己对哪些学校更感兴趣。

虽然Zellers自己愿意搬到国内其他城市甚至是出国，但他更希望自己的另一半也能感到高兴。

（她是一名软件工程师，并在整个过程中给予了Zellers极大的支持。尽管Zellers追求学术道路意味着他们必须离开西雅图。）

安排面试（2022年1月-3月）

在大多数情况下，担任面试官的教授，要么是与候选人研究领域最接近的，要么是为候选人做过最多担保的。

Zellers认为，这背后的逻辑是：对于X大学来说，这个人可能已经站在自己这边了，或者自己需要更加努力去争取这个人？

攀岩是克服找工作压力的一个好方法

• 策略

Zellers的计划是，将最具竞争力的学校的面试安排在3月份，也就是在有了一些经验之后。但同时也不要太接近ddl，因为那时学校可能就没有名额了。不过，很难说这种策略是否有帮助。

此外，Zellers还有一个建议是——尽快回复学校发来的邮件，虽然候选人因此不得不时刻检查自己的电子邮箱。

前车之鉴：Zellers因为直到周一才回复了上周五晚上发来的电子邮件而得罪了学校，其结果就是，他后来收到的名额比别人更晚，也不怎么理想。

准备演讲（2022年1月）

Zellers花了一月的时间来准备他的工作演讲。

根据建议，这将是一个实用主义的游戏：你能提出什么工作来让大家支持你？你怎样才能让大家认为你既擅长解释东西，又能确立你有「技术深度」？

Zellers的第一张幻灯片

为此，Zellers定制了三个部分：

• VCR是为那些可能认为常识性推理是编造的东西的人准备的。
• PIGLeT是为那些喜欢「神经符号」模型的人准备的。
• MERLOT是为了显示视觉、语言和语音之间的联系；与经典AI的「脚本知识」相联系，并附有SOTA的条形图。

演讲的时长大约是标准的40到45分钟，但不要忽略了由于中断而造成的延迟。因为，提问会占用很多时间，特别是当有人大声喊出来的时候。

学术面试（2022年2月-4月）

每次现场面试一般包括与教授的一对一面试，以及工作谈话。从时间上看，一对一和小组面试占了每次学术面试的大部分。

先进行的工作谈话可以帮助你在之后的一对一面试前了解你的研究情况。（这是假设那些教授有时间参加你的工作谈话，但情况往往不是这样）。否则，你就必须先对自己和自己的研究做一个快速的介绍。

• 教授面试

自己所属领域的教授（NLP和视觉）一般都很简单，偶尔也会就更详细的话题展开交流。对于其他领域的教授来说，重要的是要更广泛地介绍自己的研究背景，同时也要表现出对他们的研究领域的兴趣，特别是如果能有合作机会的话。

当然，并不是每场面试都很顺利。虽然Zellers遇到了很多有趣的教授，但也遇到了不少似乎充满了敌意的人。根据他的推测，其中一个原因可能是由于Zellers是一个「双性恋的白人」。

总的来说，整个过程很累人。一开始Zellers还在做笔记，但在160次一对一的面试后，Zellers普遍感到疲惫不堪，于是就停止了这个做法。

• 系主任/院长面试

起初，我对与系主任和院长会面感到超级害怕。但事后看来，他们似乎并不那么糟糕。

系主任和院长类型的人似乎都是很好的交流对象，从来不需要和他们消磨时间。大部分是他们告诉我一些随机的信息，向我推销学校（甚至在我得到录取通知之前），比如说任期过程是如何进行的。

• 学生面试

这些会议通常是在两到十人的小组中进行。

作为华盛顿大学的学生，Zellers有一个熟练的脚本，通常集中在讨论导师制、多样性、公平和包容等话题上。不过，有时也会问具体的技术性问题，比如「你是否在Y数据集上用X损失函数做实验」。

但当学生要求提供生活/职业建议时，Zellers就会有些尴尬，毕竟自己明明都还是个学生……

业界面试（2022年2月-5月）

大约在同一时间，Zellers在行业就业市场上进行了面试。

起初，这主要是针对一年期的博士后，但随着更加深入的了解，Zellers对进入工业界越来越有兴趣。

Zellers：超级感谢AI2让我在线上面试时可以蹭他们的办公室

工业界的招聘会一般都比较短，所以Zellers把内容浓缩成了自己最喜欢的两个部分：VCR和MERLOT。很多公司会问一堆Leetcode式的问题，所以这方面也需要提前练习一下。

Zellers的建议是，大量提交申请，并首先安排与谷歌等较大（较慢）公司的面试。因为初创企业在招聘时要比大公司动作更快。

不过由于宏观经济的影响，现在很多大厂都冻结招聘了。

然而……

在找工作时，Zellers从自己人脉圈的教授那里得到了很多建议，包括怎样申请工作、怎样准备面试，以及怎样创建一个强大的应用。

然而，在真正做决定时，Zellers却时常感到孤独。但在职业道路上做出选择，是一个私人定制的个人决定，在某种程度上，并没有正确答案可言。

而且，令Zellers感到奇怪的是，他认识的人中，大多数教授都在坚定地从事学术研究，而大多数工业界人士也都从未考虑过进入学术界。

可Zellers却并未像他们这样坚定。

在博士中期，Zellers决定继续从事学术，因为这样可以让他在学术界和工业界之间多犹豫一阵（大家普遍认为：从学术界转到工业界比反之更容易）。

但最终，他还是走上了工业界，仿佛冥冥之中有一股力量在推动他。

不过他也强调，自己之所以这么选择，是因为他的领域现在处于一个非常独特的情况，所以他的情况不一定适用于所有领域。

求职期间，对工作的看法变了

从2016年到2022年，Zellers在华盛顿大学攻读博士学位，并且非常享受这个过程。

他的研究方向是多模态人工智能，主要工作是构建能够理解语言、视觉和外部世界的机器学习系统。

而Zellers的研究方向也决定了他的职业选择。

一开始，他对从事基础研究和指导初级研究人员感到非常兴奋——至少在传统的计算领域，这是学术界关注的焦点。而工业界则专注于应用型研究，致力于将科技进步转化为成功产品。

在学术界求职的过程中，Zellers深入了解了在CS的不同机构和子领域当教授的感受——经历了超过160位教授的面试。

而这也给Zellers带来了变化——他对学术界是否适合自己感到一丝不安。

在学术界，大规模基础研究越来越难

Zellers描述道，这种感觉就像「地面正在脚下移动」。

在过去六年里，学术界（或者说华盛顿大学的研究小组）对Zellers而言一直是一个舒适的地方。

他被迫开辟了一个新的方向，但这也让他兴奋。因为得到了充足的资源和建议，Zellers能够领导随着规模而改进的多模态AI模型的研究，这项研究中产生的问题往往多过答案。

论文地址：https://arxiv.org/abs/2201.02639

而在读博期间，大部分工业界的研究实验室和他的兴趣都不match。Zellers也尝试在工业界申请实习，但很难找到和自己的方向相符的工作。

大多数工业界团队主要是以语言为中心，或是以视觉为中心，Zellers感觉自己无法选择任何一方。

所以Zellers在在艾伦人工智能研究所度过了很多时间，相比之下更像一个学术的非营利性研究实验室。

但是，情况正在发生变化。在Zellers的领域，在学术界进行开创性的系统构建研究变得很难，并且会越来越难。

要构建一个系统，就需要大量资源和工程。在Zellers看来，学术界的激励结构不太适合这种成本高、风险大的系统构建研究。

原因在于，构建一个工件并展示其良好的规模可能需要多年的研究时间以及超过10万美元的计算成本。

并且随着该领域的发展，这些数字以指数的方式成倍增长，因而大量的写论文并不是一个可行的策略。

目前来说，无论如何这都不应该成为目标，但不幸的是，有很多学者都更倾向于将论文数量作为客观衡量的标准。

另外，论文也是学术界的资金——你需要论文来申请资助、在会议上说得上话、让你的学生有实习机会等等。

归根结底，学术生涯的成功可以帮助学生建立帝国并制定自己的研究议程（这样的话，他们也许可以去其他地方担任教授，这个周期可以继续下去），这与进行伟大的研究所需的合作形成了内在的紧张关系。

其实，更广泛的趋势是学者们转向应用研究。

随着核心模型变得越来越强大，它所花费的成本也越来越高。它推动更多的学者在这些核心模型上构建，Zellers称，这是他在 NLP 和视觉领域看到的趋势，这两个领域也是他一直活跃的领域。

同样的，这些领域又反过来影响学者们的研究、花时间思考和在会议上讨论的问题。这一趋势意味着在会议上展示的关于如何构建这些系统的论文越来越少（当然还有其他因素！）

对Zellers来说，在最初的研究愿景方面，机会之窗正在学术界迅速关闭。

他说，假设在筹集资金方面非常成功，建立了一个令人惊叹的研究人员实验室，并推动他们做出令人惊叹的事情——所有这些都是非常困难的事情，需要多年的持续努力。

Zellers怀疑，经过这么长时间，他感兴趣的研究还会有支持者吗？如果按该领域目前的进展继续下去——以能力和进入价格方面看似指数级的进步作为标志——可能在 7 年内没有学术研究人员在这个领域工作，大约是需要升职。这是一个疯狂的想法，但话又说回来，过去7年的进展也的确相当疯狂。

Zellers说他应该改变他的研究方向，但这并不是他想做的事情。或许，这也是他最终走上行业道路的主要原因。

学术界和工业界的其他区别

Zellers对于研究的看法，是影响他决定最重要的因素。但其他事情，他也在考虑——

单一任务处理问题

Zellers担心，教授的太多职责（教学、准备教材、课下咨询、建立和管理计算基础设施、申请资助和管理资金）需要让他不断地切换任务，用朋友的形容就是「一百万只小蚂蚁同时进食」。

而在读博期间，Zellers更喜欢一次专注于一个问题。显然，这在工业界更容易实现。

声望和金钱

Zellers感觉，很多人下意识地被学术界所吸引，是因为它似乎给人以声望，甚至是排他的。但Zellers很不喜欢这样。专注于排名和声望会让人追逐错误的东西，造成陈旧和有毒的环境。

另一方面，许多人被工业所吸引，是因为它提供更高的薪水。而Zellers感觉自己很幸运，因为可以专注于寻找一个能给自己带来更多内在满足感的环境。

工作安全与职业安全

很多人似乎都误解了终身教职。的确，如果得到了Tenure，就不太容易被解雇。但学术就业市场的错综复杂，意味着教授们几乎不可能轻松地换工作。而工业界的人们，即使在这种比较困难的大环境下，也可以轻松地换工作（AI相当对于其他行业）。

而学术界的人们就面临着减薪，或者在疫情很严重的时候也必须去上课。

（在Zellers看来，学术界唯一的办法是成立工会；遗憾的是，华盛顿大学的许多CS 教授之前签署了一份反工会声明，扼杀了早期的工会运动。）

自由

自由的概念是复杂的。在学术界，理论上你可以自由地研究任何问题，但你可能会因为没有足够的资源、正确的激励结构或充满支持的环境而受阻。

Zellers选择加入OpenAI，是因为他感觉在这里能够得到好的支持，来解决自己最感兴趣的问题。对于任何行业实验室，解决关心问题的能力都需要与产品保持一致，Zellers对OpenAI这里的安排感到满意。

最后：加入OpenAI

一个非常普遍的操作是，出任教授一职，但推迟一年，并在期间到工业界工作。

这对研究人员来说不仅没有坏处，甚至还有很多好处：能够继续研究一年，并且能够在春季招收学生。

然而，Zellers并不打算这样做。

因为，他一方面担心自己去了工业界之后就不想走了；另一方面，这也会让学校失去一个宝贵的招聘名额。

最终，Zellers选择拒绝了所有学术界offer，全职签署了OpenAI的职位。

现在半年过去了，Zellers表示非常满意自己之前的选择：

「我真的很喜欢在OpenAI工作，我和我的伙伴也都非常喜欢住在旧金山。」

参考资料：

https://rowanzellers.com/blog/rowan-job-search/

https://rowanzellers.com/blog/rowan-job-search2/