股票股票配资没博士没论文，这些人靠什么「野路子」杀进OpenAI等顶级AI大厂？

编辑｜杨文

许多人梦想进入像 OpenAI 这样的前沿实验室从事研究工作，然而对于那些缺乏传统学术背景，比如没有发表过论文或知名导师推荐的人来说股票股票配资，这条路似乎格外艰难。

最近，OpenAI 资深研究科学家 Noam Brown 在 X 上分享了几个真实故事，证明了通过个人努力和巧妙策略，即使没有传统学术履历，也能获得机会。

Keller Jordan：从改进他人论文开始

Keller Jordan 从加州大学圣地亚哥分校毕业时，简历上没有任何论文发表记录。当时他在一家做 AI 内容审核的初创公司工作。

按照常规路径，想进入 OpenAI 这样的顶尖实验室，至少需要名校博士学位，外加几篇顶会论文，最好还有业内知名学者的推荐，而 Keller 什么都没有。

但他做了一件关键的事，主动联系了当时在工作的研究员 Behnam Neyshabur，向对方展示了一个改进其最新论文的想法。这次「冷接触」获得了积极回应。Behnam 同意指导他，最终合作完成了一篇 ICLR 论文。

Noam Brown 在帖子中强调，如今 AI 研究越来越封闭，公开项目越来越少，但「改进他人已发表的工作」仍是展示个人能力的绝佳方式。这种方法能让实验室内部人士看到你的潜力，并愿意为你争取面试机会。

然而，Keller 真正吸引 OpenAI 注意的，是他发起的 NanoGPT speed run 项目。这个项目基于 Andrej Karpathy 的 nanoGPT 框架，旨在优化训练一个 124M 参数的 Transformer 模型，以达到特定验证损失目标，同时最大化 token 利用效率。

GitHub 地址：https://github.com/KellerJordan/modded-nanogpt

Keller 将所有工作公开文档化，包括代码、实验过程和结果测量，这在社区中引起了广泛关注。Andrej Karpathy 在社交媒体上转发了这个项目，并称赞「干得漂亮」。

正如 Chayenne Zhao 所说，「别再问怎么才能在 OpenAI 找到工作了，直接开始宣传你的成果吧。Keller 没等什么许可，他直接打破了纪录，让人无法忽视。只有当你拥有真正可扩展的工作成果时，陌生邮件才有效。如果你没有公开开发项目，没有追求效率记录，你在这个市场里就不存在。」

Sholto Douglas：一个GitHub提问成敲门砖

类似成功并非孤例。Sholto Douglas 原本在麦肯锡工作，但坚信 AI 将会爆发，于是开始利用业余时间做自己的 AI 项目。每天晚上 10 点到凌晨 2 点，他都在进行独立研究。

他在 JAX 的 GitHub 上提出的深刻问题引起了谷歌工程师 James Bradbury 的注意。Bradbury 后来回忆：「我以为我认识世界上所有会问这些问题的人，你到底是谁？」这个意外的发现为 Sholto 赢得了 Google DeepMind 的面试机会。

Sholto 在 X 上并不活跃，也没有什么亮眼的第一作者论文，进入 AI 领域仅一年半左右，但业内人士都知道他是 Gemini 成功背后最重要的人物之一。

这印证了 Karpathy 的一个观察：真正改变 AI 的人往往隐藏在组织深处，他们不活跃于社交媒体，不上播客节目，甚至可能不再发表论文，但他们正在直接发明和构建奇迹。

Andy L. Jones：一篇自发表论文打动Anthropic

Andy L. Jones 是一位半退休的量化交易员，他写了一篇论文，比较预训练规模和测试时计算规模的影响，这还是在测试时计算没火起来之前。

xAI 联合创始人 Igor Babuschkin 专门发帖表示，他不断回顾 Andy L. Jones 的精彩论文《Scaling Scaling Laws with Board Games》，说它展示了 MCTS 训练计算量与推理计算量之间相互权衡，增加 10 倍的 MCTS 步骤几乎等同于 10 倍的训练量。