Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
学大夫人都非常年轻
有些甚至本科都没读
有些本科毕业的人跟我说
哦 我有8年的这个
Neural Network的经验了
那这些人比起
就是我们Typical博士毕业的这些人
你觉得有什么优势劣势呢
这是能量最低
而且效率最高的一个方式
我们如果还想在美国工作的话
你觉得大家有没有什么action的建议呢
反正中国人可能会觉得
我做事非常靠谱
但是我没有办法
在更大的范围形成trust
我们上次聊了以后
聊了两个小时
但是发现有两个话题
非常值得聊
一个是你加入OPI的感受
对华人在科技行业
至少天外版的一个想法
今天就想聊一下这个话题
好呀
还有一个我可能想聊一下
我们的产品的一些简介吧
因为其实我觉得当时
12 Days它是一个marketing的事情
然后大家去讨论这个产品
很多时候是知道发了一个东西
但是不知道为什么会做这个
因为其实一个公司
都是有自己的product strategy
我相信你在这方面也有一些思考
以及你的团队应该还在招人
而且要是很高
但是你团队里应该很多聪明人
如果想一起公示的话
可以大家听听你想招什么样的人
你会怎么样考察候选人
然后最后也可以有什么联系方式
可以提到你
好呀
感受的话我觉得加入之后
第一个感受就是学习到特别多
就是过去几年OPI的发展
沉淀下来的一些knowhow
一些back to practice
我觉得学到特别多
第二点就是人才密度真的是很高
我以前在Google的时候
我招人的标准还挺高的
就是比如说Google内部转组过来的话
我大概平均要面试15到20个人
才招一个人
我们团队什么是learning engineer的质量
是top 10%的Google
但是即使相对于这样
我觉得OPI的人才密度
还是要比这个高不少的
就是有很多那种super hero
就一个人真的可以
底10个人或者50个人那样的战斗力
第三点的话就是
绝大部分人都非常年轻
我觉得Google算是最年轻的一批director
就每次YouTube开战略会的时候
我感觉大部分人都比我大挺多的
这边就反过来
大部分人是比我小很多的
20多岁或30来岁这种
对我当时从亚马跳去Facebook的时候
就有这种感觉
就挖一下去好多
电脑部诶不好说
但是OPI肯定是的
这些新公司人都比你年轻了
对有些是本科生的招泡
有些甚至本科都没读
有些其实本科毕业的人跟我说
我也可能8年的neural network和经验了
他从高中开始一直玩neural network
这不光是新公司了
这新一代的人才了
对新一代的人才非常厉害
有很多ABC也非常厉害
对
好然后第三点就是可能因为年轻
大家社交方式可能不一样
跟他Google
大家比较喜欢晚上吃饭
最开始的时候可能每一周
两三天晚上在外面吃的
这整个公司是特别social
相对于Google来
因为Google可能十几年前也比较social
就我刚加入Google的时候
那时候我们每一两周还去sports page
去喝个酒聊聊天什么的
后来就很少了
就很少大家每一两周有这么样的
一个社交的一个场所了
我觉得人单密度也差不多
其实十几年前的Google
人单密度也非常高
每个人可以独当一面那种
但是后来就可能18万人
你很难保证这样的人才密度了
编程大厂肯定招聘都是一个体系招聘
而不是真的去
就是他只能proxy人才
然后这些Signal很快就失效了
所以说很难找到真正的人才
但是我仍然是
其实一二三年我都让我有点吃惊
Open App它已经不是一个
二三年的时候一个比较小的公司了
就是人数应该是蛮多的
我只是说那个research那边
research那边
因为在产品方面其实扩招
我觉得听起来
我听说的是比在research那边要严重一些
它在产品那边的扩招比research要多
也是因为它在产品那边
有更多的需要做的事情
或者说是Infant这边有更多需要做的事情
它就需要更大规模的招人
但是对新一代的
你想之前我们说到engineer
Machinery Research Scientist
想的肯定是首先有一个PhD
然后这些人都已经有了一定的工作经验
但是像你刚刚说的college
college dropout
然后甚至从高中开始做
你觉得这是为什么
我觉得Neural Network没有那么难
一是新一代的人才成熟的特别早
你从历史角度来讲
你几百年前没人会为几分
现在每个高中中的会为几分
历史是往前的
以前可能你要读PhD的时候
才能接触到Neural Network
现在可能初中就能接触到Neural Networks了
这是我觉得很必然的一个趋势
而且它其实还有一个筛选作用
就是这些东西其实你初中就可以学
而且它Intelligence
或者编程都不是那么难
对它都不是很难
你先用代数和维基分学完之后
学一部分编程你终于就可以上手了
对但是它能有很好的筛选作用
就是你是不是愿意去接触
你是不是愿意去学习
如果你愿意学习的话
你高中真的是可以开始学习
那这些人比起我们typical博士毕业的这些人
你觉得有什么优势劣势
我觉得没有什么优势劣势
一样的
大家都差不多
但是优势是年轻
我不觉得年龄代表一个很大的点在这个上面
只是说我注意到大家都很年轻
另外一点我有朋友注意到的
非常sad
他觉得我打招呼的方式变了
以前打招呼大家都是握手
现在很多时候打招呼的方式变成了这种很短的拥抱
我不知道是年轻人还是公司文化还是什么
就感觉很有意思
公司文化我觉得
对可能握手就是一个更商务的行为
然后拥抱
对可能更professional一点
握手对
就我觉得以前大部分
比如说见到远程的合作者
什么大家一块开会
或者战略会的时候看到一些人
大家可能还是以我手为主
好
你现在去了以后是作为一个队长去的
给你带来了一些什么挑战吗
就除了开心之外
你会要更快速的学习吗
没有什么挑战
但我觉得每到一个新的地方
都要重新build自己的recreation
就能够别人觉得你是可以合作
就是你很厉害
我觉得可以给你共识
这个可能需要一段时间
然后过去几个月里面
我们团队deliver了挺多东西的
有一个比如说reinforced fine tuning
想法就是说我们训练欧模型的这种算法
其实可以开放给我们的客户
然后他们可以用他们自己的数据来
训练在他们领域的专家模型
然后想法就是说其实RLL跟人的学习越来越像了
其实supervised learning跟人的学习是不太像
举个例子
你要看很多样本才能学会一些东西
对吧
但是reinforced learning的好处就是
它特别的data efficient
你给它几个样本它可能就学会了
这就是其实我们的客户
他有很多自己的专家数据积累了
就是他的财富
那么他们也不愿意给别人
但是他可以用我们的算法
来训练他们自己的专家模型
第二个就是我们上线的advanced voice
视频加语音的交互
我是非常看好这个未来的
我觉得多姆态的交互肯定要比文本要大的
就跟最开始的时候
Google其实是单姆态是文本为主的
但你看后来YouTube TikTok
gram这些都是多姆态起来
多姆态的内容要比单一姆态要好很多
而且交互更自然
对于多姆态来说
就很多人其实不太愿意打字
或者说另外一个观点来说
其实AI这一部分如果是多姆态交互的话
它其实更平权了
连印度人其实有一半人是不会打字的
其实他也能想出到AI的福利
或者非洲或者是其他教育程度
没有那么高的地方
我在这儿可以提供一些我个人的这个
用户的反馈
首先是上线了我就去用了
我用的就是我玩在这儿
然后他拿这本书
然后我就给他
就是视频写真那本书
然后这笔记就给他讲故事
我就讲得很好
然后效果让我很吃惊
当然现在反思一下
就是我用了那一次之后
我好像没有再打开去使用
它是一个很厉害的功能
但是我还没有去使用它
我先不评论
就有一个Data Point
但是同时你刚说的
我其实有一个东西一直在使用
就是就是压哥做出来了
他昨天才开放给了我
然后我就经常用它
就是我按一下
背后掉的是这个GBT的Real-time API
刚降价嘛
所以说就可以用了
比如说基本上就是你按一下这个
Action Button
然后我就可以靠背复制到上面
然后还有一些button
可以去做一些另外的工作
比如说玩之类的
你可以设成那个Shortcut
变成Advanced Voice
就是直接点一下就启动了
我手机上就是
就是如果你有那个配置键的话
Advanced Voice还需要我去点一下
复制粘贴
但是这个功能对我来说是一个
就是要击减
击减到就是
它直接可以复制到我的这个剪贴板
我可以用
有感兴趣的话
可以让压哥开放给你用一下
当然它是我一个非常高频的东西
明白
那个10倍的剪贴也是我们团队做的
做了一个更小的模型
谢谢老板
对我就在想就是Voice这件事情
是的
我也相信就是更多的数据也好
或者说更Intelligent交互
来自于就是Voice和这个视频
但是你有没有脑子中想象到一个
更清晰的Interaction的场景
当然第一步是开放给大家
然后让大家去探索
但是你有一个预设的场景吗
或者说你打算在这里怎么探索一个更
我觉得它以后会是各种场景下面都会用
而现在可能比如说开车
或者说你不需要那么保持安静的地方
比如图书馆你很难用对吧
或者工作场
但是你想想看
我们现在的工作环节
因为我们的生产力的工具决定
如果以后生产力的工具是说话
那我们的生产环境也会产生变化对吧
所以我觉得长期我是非常看好这样的一个交互模式的
因为这是能量最低
而且效率最高的一个方式
你可以想象成你对面是货金
但是你在跟他文字聊天
其实你很难感觉到这个人有多聪明
但是如果是你面对面作者跟他聊天
当然货金可能不一样
另外一个就是交流比较顺畅的人
你可能能感受到东西是要上一个量级的
这是为什么见面还是最有效的沟通方式
就比如说你想要找一个人聊些什么东西
还是跟他面对面聊
这个效率是最高的
我觉得这是我未来想的
跟AI的交流方式也能达到这样的效率
对你是从输入输出的奔流上去考虑
然后他比文字要高很多
我觉得不可以
但是那就有另外一个
比如原宇宙为什么没有起来
我觉得有一个很大的原因
就是因为他对大家的 tension 的需求更高
就是我手机操作任何东西其实拿出来
然后我前面可以摆很多屏幕
但是我如果要带一个 VR 眼镜的话
我只能去干这件事情
就是哪怕他更 immersive
但是他可能对我的需求更高
其实 VR 没起来可能很技术
或者没有很多好的内容
就是比如说你在 VR 里面你可以 multitask
你可以把一个手机屏幕放在上面
你可以把一个电影屏幕放在上面
你可以干各种事情
但是我觉得技术还没在那边
好 VR 这个东西我们先不谈
好
我们就回到华人学习天花板的问题吧
这个话题我跟顾学老师和 Richard 都聊过
Richard 他是链行的创始人
当时也跟链行的很多同学们讲
他的 mental model 大概是
你要去不光看自己的职业
你要看公司的发展阶段
你真的想要去一个天花板更高的地方
你要有一个 hypergrowth 的公司
学老师会说
我们有很多技术方面肯定是没有问题
但是 soft skill 这边
其实我们看不到它的重要
或者看不到它有哪些
但是 soft skill 可以是一个 engineering problem
就是你如果真的看到了
你去学你是可以提高
然后并且不属于其他足矣的
我不知道这两个点
你怎么想和你的想法是什么
我其实很长一段时间
我没有考虑过华人的职业天花板问题
因为我觉得可能没有这样一回事
后来公司鼓励每一个 leader
都要有一个 DEI 的 OKR
所以我就给自己立了课题
后来想调研一下
为什么在硅谷中国艺的高管
比中国艺的工程师的比例是相对低的
就是因为有很多中国艺的工程师
但是并没有那么多中国艺的高管
我觉得是一个相对沉重的话题
我也采访了一些人
他们觉得是为什么
我后来也没有一个特别科学的结论
就是大高级
对
但是有几点感受我觉得是挺深刻的
然后第一个感受就像你说的
self skill 方面
可能到硅谷的工程师
他有一个 self selection bias
就是大家都非常的理科非常强
但可能人文方面
就并没有那么好的一个 balance
on average 来说
当然有很出色的个体
但是就从统计意义上来说
可能这是一个原因
第二个原因就是文化
其实文化是非常难
尤其是从中国教育背景出来的
它的文化可能确实和主流的文化
并不是那么的相近
随着全球化越来越深刻
年纪越小可能文化的 gap 其实越小
因为全球化越强大
可不可以请你举一个这种文化上的
带来的冲突的具体的例子
我觉得它不一定带来冲突
但是比如说
你作为 CEO 或者你作为董事会
你会信任什么样的人呢
share 一些共同的文化
可能是信任的其中一个 factor
这很 subtle 它不是说 work against people
而只是说机会就会少一些
就自然会少一些
因为你没有这样的一个共同文化
你 build trust 的根基会少一点
所以你要 take extra effort
去做这件事情 对吧
第三个我不知道这个是我自己
还是我的少数样本
我的一些朋友
我觉得很多工作能力上面
有一部分工作能力确实
会稍微比在美国顶级的学校
一路培养出来的人可能要弱一点
其中非常重要的一点
就是 reading 和 writing
作为一个第二语言来说
我觉得我 VP 就特别厉害
比如说很多聊天
甚至他的很多 GLE 词汇
当时我读数学的
我们导师就跟我说
上课的时候
他说你不要去学 GLE
你要数学考好就行了
这些词汇根本就没用
但其实不是
这些词汇非常的有用
它真正代表美国精英阶层的一些文化
或者阅读速度
很多人就阅读速度极快
看一个文档可能七夜
人家可能两三分钟看完了
然后我要慢慢的
就是非母语的阅读速度
还是赶不上真正从小时候
美国精英教育的这帮人的扎实
然后另外一个方面就是写作
我写一个策略文档
可能坑池
可能写个几个小时
然后写了几页纸
然后你看有些人
这个半个小时
写了一个六七页的
非常好的文档
我觉得这个方面确实还是
就思考深度可能差不多
但是表达出来的能力
就至少从我个体方面几个人来看
或者我们这代人
年纪稍微大一点的人来看
还是差一些的
我自己是美北
然后就是经济博士
然后读过的时候
已经受过了很多写作训练了
我的阅读速度
我觉得是可以的
但是写作
我的写作在Meta里边也算好的
因为我当时发了很多诺词
但是仍然是觉得
就是和我的中文比起来
受到很大限制
对
我觉得中文阅读速度
我也非常非常快
就是打开微信看公众号文章
就很快就看完了
但是如果是那么长的英文
我觉得我可能要
两倍的时间去看它
还是跟比如说
从小就有很好的学校
上真正出来的这帮人
还是差一些的
因为我要做英文频道
然后就去纠正口音
重新学英语
然后发现了一些
就是讲这里边的道理的
就是很难
尤其是有一个这样的困境
母语者困境就是
你母语越厉害
你学第二外语越难
这跟大语默契非常有关系
就是其实说的是语言
但是其实你是在表达
你背后的思维
然后语言是你背后思维的一个压力
对
但是你这个思维
其实已经非常复杂了
然后你那边的压缩
可以找得很快
然后这边的压缩
就会找得特别难
所以你不是在做一个翻译任务
而是你再去做一个
这样的表达任务的时候
压缩任务的时候
你那边越强
然后这边就越难去过这个门槛
反而小朋友
其实你跟大模型也一样
就是它的词汇的限量限入
有时候是分开的
但是对于这种一零高的人来说
它可能就有点乱了
你其实有些事情
你是用中文思考的
然后再买不到英文
其实这样就慢了很多
有很多数学
其实我们只学过英文
没学过中文的
那可能就是用英文来思考
其实就是我们脑子里的结构
相对于只学一种语言
是要更乱一些
是啊
也许中文和英文
它整个语气就不一样了
就是完全是两种不同的语气
不像法语西班牙语这样子
就是还比较接近
另外一个比较敏感的
就是聊的话题
我感觉两点
第一点就是因为来硅谷的
很多华人都是中国籍的公司
都是很多精英
有些时候有点
自由主义
对
这也是一个点
但是我觉得现在没有敏感
也不通用
真正实际的操作里面
这一点是表现比较明显
可能是一些明晓的群体的
一些劣势
不是优势
我稍稍帮你给观众解释一下
你是什么意思
或者说我以为你是什么意思
你可以再说一下我
我在美国的时候
看到了很多讨论
然后我发现和国内讨论是一样的
我不是回国工作两年
然后其实国内就说
就是美国在这边说
你看对我不公平
因为他们喜欢其他族裔的人
然后打压我
然后回国我看到了一模一样的
领导喜欢嫡系
领导打压我
我明明更厉害
但为什么打压我
然后我说其实很多东西
是你没有看到
就是你能不能解决一个问题
是一个非常清楚的事情
而且我们从小的教育就告诉我们
解决更难的问题是更有价值的
你的分可以更高
所以说大家又习惯用打分去衡量人
可是大家看不到那个
无法打分的那个地方
你跟人的差距其实有多大
所以很多时候
有一个能看到这边的人就说
这个事情还是相对比较公平的
但是你看不到的话就会说
这完全不公平
因为你看不见那儿
我觉得都有
尤其是你前面说的那几点
包括文化和语言
或者说是一些其他的
大家的潜意模化的这个bias
会有一些很小的地方差的
但是我经常跟人说的就是
大家的水平如此之低
以至于还摸不到那个天花板
就是这个天花板不是不存在
但是大多数人还摸不到
就是你现在没有被生到
新年肯定是因为
对吧
其他地方的问题
而不是因为天花板
有一些这方面
然后另外一点可能就是
我觉得华人第一代移民创业的
也没有那么的普遍
我觉得可能还是因为
你人生地不爽
很多时候
然后有很多时候
求的可能更不是稳定性
而不是波动性
我觉得这一点是需要更多鼓励的
就是大家勇敢的去创业
创业是没有太多的天花板的
对吧
你只要拿到足够的funding
有足够厉害的人
然后你就可以把这个企业做大
就这一点是
如果有的话
也是突破天花板的一个
很好的方法
这和Richard说的很像
Richard就说
既然大家的硬实力在的话
去一个创业公司
可能更好发挥
就是他更少care那些self skills
那你对大家有没有什么action的建议呢
就是我们意识到了这些问题
然后我们如果还想在美国工作的话
因为你其实在这方面
我觉得突破的还挺好的
对吧
其实是给大家的一个很好的
role model
无论是在谷歌还是出谷歌
对
有没有什么给大家的建议
或者说是一些经验分享
我觉得第一点建议就是
be very proactive
就不管人在公司里面
还是自己做公司
就一定要非常主动的去
把事情做好
第二点就是更大的范围的去build trust
跟自己的领导层
或者跟自己的团队也好
或跟自己的peer也好
一个人trust circle的大小
总共决定了这个人的上限
我觉得是这样的
就是给的建议越高级
其实越strategic
所以说你给的是strategic的建议
但是对很多观众来说
他就我也想我怎么做
有没有一些大家可以拿来去
试一试的这种方法
然后让大家知道了
原来build trust是这么回事
他给我带来了这样的结果
我觉得build trust其实是一个
相对well defined的一个策略了
比如说最简单的
我可以更主动的去承担更多的责任
比如说别人都做不成这些事情
我去做
我愿意去冒这个风险
你一贯的形式作风都是比较靠谱
这样大家都觉得
我搞不定的问题
这个人都能搞定
而且这个人只要promise的事情
都能够deliver
或者是他能看好的朋友
大概率都是对的
第三点可能适当的加入一些social的活动
公司有什么party
还是要去多找你想要见的人去聊天
我觉得我就比较内向
有时候不太愿意去做这样的事情
但是我发现有一些人做得很好的
就是他每一个party
或者每一个社交的活动
都有一个目标
说今天这个party我要跟那些人聊什么
其实这样是一个非常好的策略
你要反复留下
因为比如说你要跟CEO聊
其实CEO很忙
比如跟他一个半小时
他会可能要等好几周才能约上
但是如果刚好有个party
他有一个一大堆时间是commit在这里面的
你是找他聊这些事情最好的契机
而且活用coffee chance
我觉得我给大家的建议是
你有没有跟不同的人吃午饭
然后你有没有去主动约一些coffee chance
你其实可以每天跟不同的人吃午饭
然后你每天可以约一到两个coffee chance
然后这样几个月你就是几十个人
那是很有用的
但是这个我觉得
我有一点就是
我觉得太生硬的去约这种聊
可能有时候是的其反
就是有一个度
我觉得任何的社交也好
任何的沟通也好
最好的setup是一个互惠的形式
就比如说我也没什么想法
就要想认识这个CEO
我觉得他很厉害
我说我能站你一会儿天吗
其实这是一个非常
我觉得在后来会是一个比较negative的印象
对别人来说
对就是这里边intention非常的重要
就是你能让大家发现
你是处在一个平等的地位
然后你的intention不是说
我为了从你这得到点什么
然后去给你约coffee chance
而是我最可能想了解你这个人
而且真的不是就是说
我为了去从你这得到一个好印象
就是去了解你这个人
我觉得最好的方式是说
我能够提供给你什么
然后以这样的方式去聊
比如说你去找CEO聊一阵
我觉得我能够帮公司做到什么
而不是说我要去得到什么
我觉得这样是一个最好的理由
去做这件事情
其实跟老板聊也是这种感觉
我觉得有两类问题
第一个是我能帮你做什么
第二个是我能帮你做什么
且能帮助我的career
就是这两个我觉得都是可以聊的
然后对
比如长期的话
我觉得肯定是从第一个先入手
就是我能帮你做什么
因为每个人的时间都非常宝贵
不会有人愿意说
当然也有人了
但是很少有人愿意说
你花半个小时时间踢
我能为你做什么而不是你
对
对然后这也是earn trust
做好了前一个
然后你earn trust了以后
你更有资本去分第二个
对的就是有机会
你去propose的想法
然后实现了它
别人对你的信任就会增加一分
我再多问一下关于你刚说的第二条
就是行事靠谱这件事
很多中国人可能会觉得
我做事非常靠谱
交给我的活
我都会保持保证的完成
但是我没有办法在更大的范围
形成trust
我觉得这时候要学会怎么communicate
我以前团队管理里面的
学到的很重要的一点是
over communicate
在有些事情上面
比如说你要重新组织你的团队结构
这时候over communication
就觉得非常重要
是不lose trust的一个很重要的一点
我觉得做事情也是
就是要知道什么时候去over communicate
什么时候去under communicate
如果你觉得我做了这些工作
但是我的工作并没有得到认可
我觉得首先第一
可能环境不太好
你要看环境有什么问题
第二要反思
我自己有什么地方都不好
那些契机我是应该把握去communicate
但是我没有
或者我比较懒
我比较不想去做一些communication的工作
我觉得这是第二点是很常见的
有的人就觉得我做了就理所当然的
应该是所有的东西都给我
那不是的
你要把communication拿成是工作的一部
好吧
我觉得具体怎么做的话
我可以跟大家去解读
就不需要再占用这事情
去给大家做解读了
因为其实做法还是挺清晰的
刚才说be very proactive
然后是build trust
更大的范围
再机会选择
就是这两个是怎么样子
把自己的工作做好和怎么样子
但我们刚刚不也聊了一鸣二云三风水
然后我觉得在选择方面
有的时候就选择
把自己的时间精力投入在什么地方
就是从宏观
你选行业选公司
选国家
然后到你在一个公司里边选择做什么不做什么
和你做的这个工作
其实你想吧
就是12个里边做6个
然后你们主导两个
这个也是巨大的选择
就是一定是摆在你面前有20个东西可以做
然后你选择去主要去做这两个的
我觉得主要其实看自己的认知
我读书的时候就有一个特别
一个hot take
要control word受的一个实践
就是我只跟最优秀的人学
就比如说数学里面学数学
读他的paper也好
读书也好
只读那些最顶尖的人写的东西
然后我觉得做科技也一样
你只去跟那些最顶尖的人学
为什么要这样的
因为一个人最大的竞争率在于他的认知
你有了好的认知就可以做好的决策
或者更好一点的决策
比如说从50%的概率提高60%
你很能提高100%或99%对吧
但是这个就10%的差距
可能就导出了很大的不同
比如说学深度学习
就这几个大家
然后就去跟这几个真正的大家去学对吧
而不要去YouTube上面
有一些讲技术学习的
这些人可能就他的认知
可能跟这些大家比差了很多
你跟他学
你学到的可能就是一些糟粕
是的好的
我们应该快结束了
因为你还要提前走
最后一个就是你的团队应该还在招人
然后你理想中的候选人是什么样子的
然后你是怎么样子去Evaluate大家
你希望一个有潜力的候选人
Rechart你的时候
他带来的信息是什么
我们现在知道人就是人足够聪明
也足够努力
有类似的认知
就觉得也是一件非常酷的事去做
因为他喜欢这件事情
所以做得很好
然后理想状态下
有大模型这方面的经验
比如说有个一两年
当然这不是一个二种课程
因为这些人很少
我们考察的主要是
从奖励是Principal的时候
我们讲把一个人的中国实力
也对应到人的各个器官
也说了一遍
其实就是这样
中国的考量和他的Vision
Solidarity
Skills
Communication
这几个方面是衡量
其实没有什么特别硬性的标准
如果是在
比如说多么太阳好
或者是Reasoning上面也好
有很多的经验
或者有过去的成就
我觉得是非常好的
我经常问面试者的一个问题
包括我以前在Google招人的时候
首先我会自我介绍我
介绍一下我自己
然后我让他能自我介绍一下
然后我的第二个问题
一门就是说
你能够跟我说一下
你过去两三年
最自豪的一个工作是什么
然后大概会持续一个15到20分钟
从这里就可以看出
第一
他如果觉得自豪的工作是非常
Trivial的工作
可能就两五分钟就不聊了
第二
如果他觉得自豪的工作
有点意思
但是他表达又不清楚
那也是一个比较大的Reflect
对吧
最好的就是他的工作
记忆非常的深刻
他又能表达得很好
比如一两分钟给你讲清楚
大概
然后再跟你聊细节
然后你可以跟他说
你为什么选择这样
而不是那样做
对吧
他有很好的理由
他认知又很高
对我来说
最顺畅的面试是这样
我也是问这个问题的
我在面试的时候
然后我后来发现
这是Elon Musk问题的反面
Elon Musk问的是
你最大的挑战是什么
对你遇到最挑战的问题是什么
明白
好
那比如说大家Rechart你的话
你觉得就是
Password是能比较能吸引你的注意力的
对
就过去
比如说
太久了可能也不如Elon
过去一到三年了这样的
他觉得最有成就感的事情是
好的
那如果大家想对你的团队感兴趣
想在一个这样的高速发展
然后大家都很聪明
你积累很多团队工作的话
那怎么样子Rechart你的
Twitter或者微信上面找我都行
微信
或者微信公众上面找我
可以看看这个
是不是大家的认知是拉屏
有道理
就除了Password以后
认知拉屏很重要
你在微信公众号上写了一些文章
我觉得可以在下面留个言
然后去Rechart一下
好的
那非常感谢你的时间
好的
好
谢谢
好的
拜拜