For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/pt/articles/deepseek-ai-cross-disciplinary-talent-hir-2c6dcdf2.md.
A DeepSeek tem uma vaga incomum em seu site de carreiras: **“Talento técnico de IA interdisciplinar”**.
A DeepSeek tem uma vaga incomum em seu site de carreiras: “Talento técnico de IA interdisciplinar”.
A função está classificada nas áreas de desenvolvimento full-stack e algoritmos, mas a descrição diz que ela se destina a pessoas com capacidade excepcional que desejam participar da construção da AGI. A vaga não impõe uma restrição importante.
Em vez de exigir um currículo convencional de IA, a DeepSeek afirma que encaminhará os candidatos para a equipe de pesquisa ou engenharia que melhor corresponda aos seus interesses e capacidades.
A parte mais comentada está na seção de diferenciais.
Além de resultados de alto nível em competições, conhecimento profundo em uma área, trabalho influente em código aberto e empreendedorismo, a DeepSeek inclui um item deliberadamente vago:
Siga um caminho não convencional.
Isso faz com que a vaga pareça contraditória à primeira vista.
A DeepSeek também já usou uma linguagem de recrutamento que afirma não simplesmente “procurar gênios”, embora essa função seja explicitamente voltada a pessoas com capacidades acima do comum.
A contradição fica mais fácil de entender quando a publicação é lida em conjunto com entrevistas anteriores do fundador Liang Wenfeng sobre contratação, a jovem equipe técnica da DeepSeek e a origem do Multi-Head Latent Attention (MLA).
O quadro é menos “queremos pessoas sem experiência” e mais:
A DeepSeek parece valorizar mais evidências de resolução independente de problemas do que uma trajetória profissional convencional.
A vaga é incomum porque evita uma lista convencional de formação, curso, anos de experiência e cargos anteriores.
A descrição visível afirma que a função se destina a candidatos com capacidade excepcional que desejam ajudar a criar e construir a AGI.
Ela também diz que não há restrição quanto à área acadêmica.
A função pode ser de estágio ou de período integral.
A publicação atual lista quatro requisitos principais:
Os critérios adicionais incluem:
Essa última linha fez a vaga circular amplamente nas redes sociais chinesas.
É difícil convertê-la em uma pontuação convencional de recrutamento.
Não existe um certificado padrão de “não convencionalidade”.
A frase parece funcionar como uma abreviação para um perfil mais amplo: alguém capaz de questionar premissas, explorar de forma independente e produzir resultados relevantes sem esperar por um roteiro estabelecido.
A campanha de recrutamento da DeepSeek em junho de 2026 usou outra frase que chamou atenção:
“Nunca procuramos simplesmente por gênios.”
A mensagem mais ampla da empresa era que ela quer encontrar pessoas que tenham algo genuinamente distinto a oferecer.
Essa formulação é menos contraditória do que parece inicialmente.
“Gênio” pode significar status, reputação, credenciais de elite ou um currículo bem elaborado.
“Capacidade excepcional”, nesta descrição de vaga, está mais diretamente ligada a comportamentos demonstrados:
Portanto, a função não é ant credencial.
Medalhas em competições e formação acadêmica ainda aparecem nos critérios.
É melhor descrevê-la como independente de disciplina, mas altamente seletiva quanto à capacidade demonstrada.
O artigo original repete afirmações de recrutadores e headhunters de que a DeepSeek às vezes filtra candidatos com muitos anos de experiência e favorece pessoas com apenas alguns anos no setor.
Essas afirmações circulam amplamente, mas não devem ser tratadas como regras oficiais de contratação.
A página pública de vagas da DeepSeek não diz:
Mais de oito anos de experiência = rejeição automática
Também não diz:
Medalha de ouro ou nada
O que pode ser verificado é mais nuançado.
Em entrevistas anteriores, Liang Wenfeng afirmou que a DeepSeek e a High-Flyer costumam recrutar com base na capacidade, e não na experiência anterior.
Ele também disse que muitas funções técnicas centrais eram ocupadas por recém-formados ou pessoas que haviam saído da universidade apenas um ou dois anos antes.
Isso é uma filosofia.
Não é o mesmo que um limite rígido de experiência documentado publicamente.
A mesma cautela se aplica à expressão “cheiro de grande empresa” ou “perfil de grande empresa”.
A mídia chinesa relatou comentários de recrutadores sugerindo que a DeepSeek desconfia de candidatos que levam processos altamente padronizados de grandes empresas para a pesquisa de fronteira.
Mas isso não é uma regra formal publicada no site de carreiras.
Para os candidatos, a conclusão prática é mais simples:
Não presuma que um empregador famoso ou um currículo longo sejam suficientes. Mostre como você pensa, o que construiu e onde questionou o padrão.
Liang Wenfeng descreveu a primeira equipe técnica da DeepSeek como excepcionalmente jovem.
Em uma entrevista amplamente divulgada, ele rejeitou a ideia de que a equipe fosse formada por superestrelas estabelecidas e misteriosas.
Ele descreveu muitos colaboradores como:
Ele também afirmou que o DeepSeek-V2 foi construído principalmente por talentos desenvolvidos internamente, e não por uma equipe formada por meio do recrutamento internacional de estrelas.
O ponto não era que a idade, por si só, produz inovação.
Era que a empresa estava disposta a dar grande responsabilidade técnica a pessoas que não haviam passado uma década avançando pela hierarquia padrão do setor.
Isso ajuda a explicar por que a atual função interdisciplinar é tão ampla.
A DeepSeek não está apenas tentando recrutar pessoas que já sabem como um laboratório de IA normalmente funciona.
Ela também procura pessoas que possam levar uma forma diferente de pensar para o laboratório.
Os comentários anteriores de Liang sobre experiência são centrais para o artigo de origem.
O argumento dele não era que a experiência é inútil.
Em áreas maduras de engenharia, a experiência costuma ser extremamente valiosa.
Um engenheiro sênior que desenvolve um sistema de pagamentos pode evitar modos de falha que um recém-chegado nunca viu.
Um banco de dados de produção, um sistema de segurança ou um mecanismo de recomendação se beneficiam enormemente do conhecimento operacional acumulado.
A pesquisa de fronteira em AGI é diferente em um aspecto importante:
Talvez ainda não exista um método correto estabelecido.
Liang argumentou que pessoas experientes às vezes podem recorrer rapidamente demais a uma solução conhecida.
Alguém com uma experiência menos convencional pode estar mais disposto a explorar repetidamente o problema a partir dos primeiros princípios e chegar a uma abordagem que se ajuste melhor à situação atual.
Essa é uma troca real.
A experiência pode evitar erros repetidos.
Ela também pode criar suposições sobre quais direções “obviamente” não vale a pena tentar.
A cultura da DeepSeek parece ser projetada para preservar mais espaço para o segundo comportamento.
Uma área madura tem restrições estáveis.
Uma área de fronteira tem premissas instáveis.
O artigo de origem usa exemplos como:
Essas são técnicas importantes.
Mas nenhuma organização séria de pesquisa pode presumir que a arquitetura padrão de hoje continuará sendo a arquitetura correta indefinidamente.
Na fronteira, a pergunta difícil muitas vezes não é:
Como otimizamos a abordagem aceita?
É:
Qual premissa aceita devemos deixar de aceitar?
Esse é o ambiente em que o talento interdisciplinar pode se tornar valioso.
Um físico pode formular a otimização de outra maneira.
Um matemático pode perceber uma invariante que um engenheiro não percebe.
Um pesquisador de sistemas pode questionar a estrutura computacional.
Um filósofo pode identificar um problema conceitual que não pode ser reduzido ao desempenho em benchmarks.
O objetivo não é substituir a expertise técnica.
É ampliar o conjunto de premissas que estão sendo questionadas.
O artigo de origem aponta o Multi-Head Latent Attention (MLA) como o exemplo mais claro dessa cultura.
O MLA é um componente arquitetônico central introduzido no DeepSeek-V2 e mantido no DeepSeek-V3.
Os materiais técnicos oficiais do DeepSeek-V3 confirmam que o MLA é central para o design de inferência eficiente do modelo.
A história de origem vem de uma entrevista de Liang Wenfeng.
Ele disse que a ideia começou como um interesse pessoal de um jovem pesquisador que estudava como as arquiteturas de atenção haviam evoluído e se perguntava se seria possível criar uma alternativa.
A DeepSeek então formou uma equipe em torno da ideia.
Foram necessários meses para transformar o conceito inicial em uma arquitetura funcional.
Essa história é importante porque não segue o modelo:
CEO escolhe a arquitetura
→ equipe implementa a arquitetura
Ela se aproxima mais de:
pesquisador percebe uma premissa
→ pesquisador explora uma alternativa
→ a ideia demonstra potencial
→ a organização aloca recursos
→ a equipe transforma a ideia em pesquisa de produção
Liang descreveu a estrutura de pesquisa mais ampla da DeepSeek como sendo de baixo para cima, com pessoas trazendo suas próprias ideias e equipes se formando em torno de direções promissoras.
Esse é exatamente o tipo de ambiente em que um critério de contratação como “seguir um caminho não convencional” faz mais sentido.
Visto dessa forma, a descrição incomum da vaga é menos misteriosa.
Os cinco critérios adicionais apontam para a mesma característica subjacente.
Um resultado de destaque em uma competição sugere capacidade de resolver problemas difíceis e desconhecidos sob pressão.
Alcançar um nível excepcional em um domínio sugere persistência e profundidade.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
A área não precisa ser IA.
Um projeto sólido de código aberto oferece à DeepSeek algo concreto para avaliar.
Ele mostra se o candidato consegue criar sistemas úteis fora de um processo formal de empregador.
Construir algo do zero ao um é uma evidência de iniciativa em condições de incerteza.
Esse é o critério menos mensurável, mas ele conecta os demais.
A pergunta é se a pessoa consegue operar sem um mapa previamente escrito.
A variável comum não é a idade.
É a iniciativa.
A DeepSeek não é o único laboratório de IA de fronteira a contratar pessoas cuja disciplina de origem não é o aprendizado de máquina.
O artigo de origem compara a DeepSeek com a Anthropic e o Google DeepMind.
Os exemplos são reais, embora algumas estatísticas do artigo sobre o número de funcionários sejam baseadas em análises de currículos feitas por terceiros, e não em dados oficiais da força de trabalho.
A tendência mais ampla é mais fácil de verificar:
Os laboratórios de IA de fronteira precisam cada vez mais de pessoas que trabalhem com ética, filosofia, consciência, teoria da decisão, governança, psicologia e interação humano–IA, além da engenharia tradicional e da pesquisa em aprendizado de máquina.
Isso ocorre em parte porque os próprios sistemas agora levantam questões que não podem ser respondidas apenas pela otimização de benchmarks.
Amanda Askell é um dos exemplos mais claros.
Sua formação é em filosofia, especialmente ética e teoria da decisão.
Antes da Anthropic, ela trabalhou na OpenAI.
Na Anthropic, tornou-se uma figura central no trabalho sobre o caráter do Claude.
A Constituição do Claude de 2026, publicada pela Anthropic, afirma que Askell lidera o trabalho de caráter da empresa e é a principal autora do documento.
Isso não é filosofia adicionada como decoração depois que o modelo é construído.
A pesquisa de treinamento de caráter da Anthropic trata questões como as seguintes como questões de produto e alinhamento:
O artigo de pesquisa de 2024 “O caráter do Claude” afirma que o objetivo era ir além da simples ausência de danos, avançando para características mais ricas, como curiosidade, veracidade, mente aberta, paciência e discernimento ponderado.
Esse trabalho exige implementação técnica.
Mas decidir que tipo de comportamento deve ser treinado é, em parte, um problema filosófico.
A Constituição do Claude de 2026, da Anthropic, transforma esse trabalho interdisciplinar em um documento operacional muito mais amplo.
Os agradecimentos dizem que Askell liderou seu desenvolvimento e escreveu a maior parte do documento.
Outros colaboradores incluem pesquisadores que trabalham com psicologia de modelos, autonomia epistêmica, segurança, valores e alinhamento.
A presença de filósofos em uma empresa de IA de fronteira, portanto, não é acidental.
À medida que os modelos se tornam mais capazes, perguntas que antes pertenciam principalmente à filosofia acadêmica tornam-se requisitos de engenharia:
O que o sistema deve valorizar?
Como deve raciocinar sob incerteza moral?
Quando deve delegar?
Como deve representar a incerteza sobre si mesmo?
Essas questões não são resolvidas com a adição de mais GPUs.
O artigo de origem também menciona Ben Levinstein, cuja formação de pesquisa inclui epistemologia e teoria da decisão.
As publicações atuais de pesquisa da Anthropic e os agradecimentos da Constituição do Claude confirmam que Levinstein contribui para o trabalho de pesquisa da Anthropic.
A descrição exata de seu histórico profissional no artigo original deve ser tratada com cautela, a menos que seja conferida em seu perfil profissional direto.
O ponto mais amplo continua válido: a organização de alinhamento da Anthropic inclui pesquisadores cuja formação vem de áreas como filosofia, teoria da decisão, ciência cognitiva e disciplinas adjacentes.
O Google DeepMind tornou a tendência especialmente explícita em 2026.
Henry Shevlin anunciou que se juntaria ao Google DeepMind em maio com o cargo real de:
Filósofo
Seu trabalho se concentra em:
Shevlin continua afiliado ao Leverhulme Centre for the Future of Intelligence, da Universidade de Cambridge.
Essa não é uma função normal de engenharia de aprendizado de máquina.
O objetivo é trabalhar em questões que se tornam operacionais à medida que os sistemas de IA se tornam mais capazes.
Por exemplo:
As respostas podem afetar políticas de modelos, prioridades de pesquisa, decisões de segurança e design de produtos.
A DeepSeek, a Anthropic e o Google DeepMind não estão contratando o mesmo tipo de pessoa pelo mesmo motivo.
| Empresa | Exemplo | Por que a formação é importante |
|---|---|---|
| DeepSeek | Talento técnico de IA interdisciplinar | Trazer ideias técnicas independentes de fora de uma trajetória fixa em IA |
| Anthropic | Amanda Askell / trabalho de caráter | Definir e treinar valores comportamentais e discernimento mais ricos |
| Google DeepMind | Henry Shevlin / Filósofo | Estudar a consciência de máquinas, as relações entre humanos e IA e a preparação para a AGI |
O ponto em comum não é que “as empresas de IA passaram a preferir formados em humanidades”.
Isso seria uma reação exagerada.
A IA de fronteira continua sendo intensamente técnica.
O ponto em comum é:
À medida que os sistemas de IA se tornam mais capazes, alguns dos problemas mais difíceis já não se encaixam perfeitamente em uma única disciplina.
Um laboratório de AGI enfrenta várias categorias de perguntas ao mesmo tempo.
Como treinar, disponibilizar e escalar o modelo com eficiência?
Quais arquiteturas, otimizadores, objetivos de treinamento e estratégias de dados funcionam?
Como funcionam de fato o raciocínio, a memória, a agência e a generalização?
Como o sistema deve interagir com as pessoas?
Que comportamento ele deve aprender?
O que significa um modelo compreender, raciocinar, agir de forma autônoma ou possivelmente ter estados relevantes para o bem-estar?
As duas primeiras categorias pertencem ao território conhecido da engenharia.
As categorias posteriores frequentemente exigem outras formas de expertise.
É por isso que o recrutamento interdisciplinar está se tornando mais visível.
O título da vaga diz “interdisciplinar”, mas o sinal de seleção real parece ser mais profundo do que “ter outra formação”.
Um candidato de física que segue todos os caminhos padrão não é automaticamente mais valioso do que um pesquisador de IA.
Um candidato de ciência da computação que questiona repetidamente as premissas pode se encaixar muito bem na função.
A vaga parece buscar uma combinação de:
Isso explica por que a programação básica ainda é exigida.
Essa não é uma função para quem quer evitar o trabalho técnico.
É uma função para quem não precisa ter como identidade profissional principal a expressão “pesquisador de IA”.
A maneira mais segura de ler a publicação não é:
A DeepSeek só quer jovens gênios.
Também não é:
A DeepSeek não se importa com experiência.
Uma interpretação mais útil é:
Mostre evidências de que você consegue enfrentar problemas difíceis de forma independente.
Essa evidência pode ser:
A credencial exata importa menos do que aquilo que ela prova sobre a forma como o candidato trabalha.
Várias afirmações do artigo original são interessantes, mas não constituem regras de contratação de primeira mão.
| Afirmação | Nível de evidência |
|---|---|
| A DeepSeek atualmente lista “Talento técnico de IA interdisciplinar” | Confirmado no site oficial de carreiras |
| Não há uma restrição importante | Confirmado na descrição da vaga |
| “Siga um caminho não convencional” é um critério adicional | Confirmado na publicação da vaga |
| Funções técnicas centrais historicamente incluíram muitos recém-formados / pesquisadores em início de carreira | Apoiado por entrevistas de Liang Wenfeng |
| O MLA começou com o interesse pessoal de um jovem pesquisador | Apoiado por entrevista de Liang Wenfeng |
| A DeepSeek rejeita automaticamente candidatos com mais de 8 anos de experiência | Não confirmado como regra oficial |
| “Abaixo de medalha de ouro, basicamente não é considerado” | Afirmação de recrutador/headhunter, não política oficial |
| A DeepSeek proíbe formalmente “pessoas de grandes empresas” | Não é uma regra oficial de contratação publicada |
| A Anthropic tem exatamente 70 engenheiros com formação em física, 78 em matemática e 13 em filosofia | Análise de currículos feita por terceiros e citada pela fonte; não verificada de forma independente aqui |
| O Google DeepMind contratou Henry Shevlin como “Filósofo” | Confirmado pelo anúncio de Shevlin e por reportagens de Cambridge |
É uma posição atual da DeepSeek para candidatos que desejam trabalhar com pesquisa ou engenharia de AGI sem restrição quanto à área acadêmica. A DeepSeek afirma que encaminhará os candidatos para a equipe que melhor corresponda aos seus interesses e capacidades.
Não. A descrição pública da vaga diz que não há uma restrição importante quanto à área. No entanto, ela exige conhecimentos básicos de programação de computadores, uma formação acadêmica sólida, capacidade de aprendizagem e interesse demonstrado e de longo prazo em IA.
A DeepSeek não define isso como uma credencial mensurável. No contexto da vaga, parece ser uma forma de valorizar o pensamento independente e as evidências de que o candidato consegue resolver problemas difíceis sem simplesmente seguir os padrões do setor.
Não. A função interdisciplinar está disponível para estágio ou contratação em período integral e não publica um limite formal de anos de experiência. Liang Wenfeng afirmou que muitas funções técnicas centrais foram historicamente ocupadas por recém-formados e pesquisadores em início de carreira, mas isso não equivale a uma proibição oficial de candidatos experientes.
Segundo uma entrevista de Liang Wenfeng, sim. Ele afirmou que um jovem pesquisador estudou a evolução das arquiteturas de atenção, propôs uma alternativa e, posteriormente, a DeepSeek formou uma equipe que passou meses transformando a ideia em um sistema funcional.
O MLA é uma arquitetura de atenção usada no DeepSeek-V2 e no DeepSeek-V3 para reduzir o custo de inferência, especialmente a carga do cache de chave e valor. O relatório técnico oficial da DeepSeek identifica o MLA como um componente central de seu design de inferência eficiente.
O trabalho de alinhamento da Anthropic inclui questões sobre valores, discernimento, caráter, autonomia e como um assistente de IA deve se comportar em situações difíceis. Amanda Askell, cuja formação é em filosofia, lidera o trabalho de caráter da Anthropic e é a principal autora da Constituição do Claude de 2026.
Sim. Henry Shevlin anunciou que se juntou ao Google DeepMind em maio de 2026 com o título “Filósofo”, trabalhando com consciência de máquinas, relações entre humanos e IA e preparação para a AGI.
A função de “Talento técnico de IA interdisciplinar” da DeepSeek é incomum porque remove a restrição normal quanto à área acadêmica, mas mantém um padrão muito alto de capacidade demonstrada. Resultados em competições, conhecimento profundo, trabalho em código aberto, empreendedorismo e “seguir um caminho não convencional” apontam para a mesma coisa: evidências de que o candidato consegue agir de forma independente diante de problemas difíceis.
Essa filosofia corresponde à descrição anterior de Liang Wenfeng sobre a cultura da DeepSeek. Historicamente, a empresa confiou trabalhos importantes a pesquisadores jovens e em início de carreira, e o MLA é um exemplo concreto de uma ideia de baixo para cima que cresceu da curiosidade pessoal de um pesquisador até se tornar uma arquitetura central.
A Anthropic e o Google DeepMind mostram que o padrão mais amplo não é exclusivo da DeepSeek. Os laboratórios de IA de fronteira agora empregam filósofos e outros especialistas não tradicionais porque questões sobre comportamento da IA, consciência, discernimento e relações humanas se tornaram questões práticas de pesquisa.
O sinal comum de contratação não é “jovem”, “não relacionado à IA” ou “gênio”. É a capacidade de pensar de forma independente, aprofundar-se e produzir algo útil quando o roteiro padrão está incompleto.
Comece com uma frase e tenha um site completo em minutos.
