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/ru/articles/deepseek-ai-cross-disciplinary-talent-hir-2c6dcdf2.md.
На сайте вакансий DeepSeek появилась необычная позиция: **«Междисциплинарные технические специалисты по ИИ»**.
На сайте вакансий DeepSeek появилась необычная позиция: «Междисциплинарные технические специалисты по ИИ».
Позиция относится к направлениям полнофункциональной разработки и алгоритмов, однако в описании вакансии говорится, что она предназначена для людей с выдающимися способностями, которые хотят участвовать в создании AGI. При этом существенных ограничений не устанавливается.
Вместо требований к традиционному резюме специалиста по ИИ DeepSeek сообщает, что направит кандидата в исследовательскую или инженерную команду, которая лучше всего соответствует его интересам и способностям.
Наибольшее внимание привлекает раздел с дополнительными преимуществами.
Наряду с высокими результатами на соревнованиях, глубокими знаниями в определённой области, заметным вкладом в проекты с открытым исходным кодом и предпринимательством DeepSeek включает один намеренно расплывчатый пункт:
Выбрать нетрадиционный путь.
На первый взгляд из-за этого вакансия кажется противоречивой.
DeepSeek также использовала в рекрутинговых материалах формулировку о том, что компания не просто «ищет гениев», однако эта позиция прямо ориентирована на людей со способностями выше обычного уровня.
Противоречие становится понятнее, если рассматривать вакансию вместе с более ранними интервью основателя компании Ляна Вэньфэна о найме, молодом техническом коллективе DeepSeek и происхождении Multi-Head Latent Attention (MLA).
Картина выглядит не как «нам нужны люди без опыта», а скорее так:
Судя по всему, DeepSeek ценит подтверждённую способность самостоятельно решать проблемы выше традиционной карьерной лестницы.
Вакансия необычна тем, что в ней отсутствует стандартный список требований к диплому, специальности, количеству лет опыта и предыдущим должностям.
В видимом описании говорится, что позиция предназначена для кандидатов с выдающимися способностями, которые хотят помогать создавать и развивать AGI.
Также указано, что существенных ограничений по академической специальности нет.
Позиция может быть как стажировкой, так и работой на полный день.
В текущем описании вакансии перечислены четыре ключевых требования:
Дополнительными преимуществами считаются:
Именно последняя строка вызвала распространение информации о вакансии в китайских социальных сетях.
Её сложно преобразовать в стандартную рекрутинговую оценку.
Не существует стандартного сертификата, подтверждающего «нетрадиционность».
Вероятно, эта формулировка является сокращённым обозначением более широкого профиля: человека, который способен ставить под сомнение предположения, самостоятельно исследовать возможности и добиваться значимых результатов без готового сценария.
В рекрутинговой кампании DeepSeek в июне 2026 года использовалась другая фраза, которая также привлекла внимание:
«Мы никогда не ищем просто гениев».
Общий посыл компании заключался в том, что она хочет находить людей, которым действительно есть что предложить и которые обладают уникальным вкладом.
Такая формулировка менее противоречива, чем кажется на первый взгляд.
«Гений» может означать статус, репутацию, элитные дипломы или безупречное резюме.
В описании этой вакансии «выдающиеся способности» напрямую связаны с продемонстрированным поведением:
Таким образом, позиция не отвергает формальные достижения.
Медали на соревнованиях и академическая подготовка по-прежнему присутствуют среди критериев.
Точнее всего её можно описать как не привязанную к конкретной дисциплине, но исключительно требовательную к подтверждённым способностям.
В исходной статье повторяются утверждения рекрутеров и хедхантеров о том, что DeepSeek иногда отсекает кандидатов с большим опытом и отдаёт предпочтение людям, проработавшим в отрасли всего несколько лет.
Эти утверждения широко распространяются, однако их не следует воспринимать как официальные правила найма.
На публичной странице вакансий DeepSeek не сказано:
Более восьми лет опыта = автоматический отказ
Там также не сказано:
Только золотая медаль
Подтверждаемая информация выглядит сложнее.
В более ранних интервью Лян Вэньфэн говорил, что DeepSeek и High-Flyer часто нанимают сотрудников на основе способностей, а не предыдущего опыта.
Он также отмечал, что многие ключевые технические должности занимали недавние выпускники или люди, окончившие обучение всего один-два года назад.
Это философия компании.
Она не равнозначна официально опубликованному жёсткому ограничению по опыту.
Такая же осторожность нужна в отношении выражения «запах крупной компании» или «стиль крупной компании».
Китайские СМИ сообщали о комментариях рекрутеров, согласно которым DeepSeek с настороженностью относится к кандидатам, которые переносят в передовые исследования чрезмерно стандартизированные процессы крупных компаний.
Но это не официальное правило, опубликованное на сайте вакансий.
Практический вывод для кандидатов проще:
Не считайте, что известный работодатель или длинное резюме сами по себе достаточны. Покажите, как вы думаете, что создали и какие общепринятые подходы поставили под сомнение.
Лян Вэньфэн описывал раннюю техническую команду DeepSeek как необычно молодую.
В широко распространённом интервью он отвергал представление о том, что команда состояла из загадочных признанных суперзвёзд.
По его словам, многие участники были:
Он также говорил, что DeepSeek-V2 создавалась главным образом собственными специалистами, а не командой, собранной посредством международного найма звёздных исследователей.
Дело было не в том, что именно молодость порождает инновации.
Скорее, компания была готова доверять важную техническую работу людям, которые ещё не провели десятилетие, продвигаясь по стандартной отраслевой иерархии.
Это помогает понять, почему текущая междисциплинарная позиция сформулирована настолько широко.
DeepSeek ищет не только людей, уже знающих, как обычно работает лаборатория ИИ.
Компания также ищет специалистов, которые могут привнести в лабораторию иной способ мышления.
Более ранние комментарии Ляна об опыте занимают центральное место в исходной статье.
Он не утверждал, что опыт бесполезен.
В зрелых инженерных областях опыт часто имеет огромную ценность.
Старший инженер, создающий платёжную систему, способен избежать ошибок, с которыми новичок никогда не сталкивался.
Производственная база данных, система безопасности или рекомендательный движок в значительной степени выигрывают от накопленных эксплуатационных знаний.
Передовые исследования AGI отличаются в одном важном отношении:
Уже может не существовать установленного правильного метода.
Лян утверждал, что опытные специалисты иногда слишком быстро обращаются к известному решению.
Человек с менее традиционным опытом может быть более готов многократно исследовать проблему с первых принципов и прийти к подходу, который лучше соответствует текущей ситуации.
Это реальный компромисс.
Опыт помогает избежать повторения ошибок.
Но он также может создавать предположения о том, какие направления «очевидно» не стоит пробовать.
Похоже, культура DeepSeek построена так, чтобы сохранять больше пространства для второго типа поведения.
Зрелая область имеет стабильные ограничения.
Передовая область характеризуется нестабильными предположениями.
В исходной статье используются такие примеры, как:
Это важные методы.
Но ни одна серьёзная исследовательская организация не может предполагать, что стандартная архитектура сегодняшнего дня навсегда останется правильной.
На переднем крае исследований сложный вопрос часто звучит не так:
Как оптимизировать общепринятый подход?
А так:
Какое общепринятое предположение следует перестать считать верным?
Именно в такой среде междисциплинарные специалисты могут оказаться особенно ценными.
Физик может иначе сформулировать задачу оптимизации.
Математик может увидеть инвариант, который инженер упускает.
Специалист по системам может поставить под сомнение вычислительную структуру.
Философ может выявить концептуальную проблему, которую невозможно свести к результатам тестов.
Цель не в том, чтобы заменить техническую экспертизу.
Цель — расширить набор предположений, которые подвергаются проверке.
В исходной статье Multi-Head Latent Attention (MLA) приводится как наиболее наглядный пример этой культуры.
MLA — ключевой архитектурный компонент, представленный в DeepSeek-V2 и перенесённый в DeepSeek-V3.
Официальные технические материалы DeepSeek по версии V3 подтверждают, что MLA занимает центральное место в эффективной архитектуре вывода модели.
История происхождения идеи изложена в интервью Ляна Вэньфэна.
Он говорил, что идея началась как личный интерес молодого исследователя, изучавшего развитие архитектур механизмов внимания и задавшегося вопросом, можно ли разработать альтернативу.
Затем DeepSeek сформировала вокруг этой идеи команду.
Потребовались месяцы, чтобы превратить первоначальную концепцию в работающую архитектуру.
Эта история важна, поскольку она выглядит не так:
Генеральный директор выбирает архитектуру
→ команда реализует архитектуру
Скорее, так:
Исследователь замечает предположение
→ исследователь изучает альтернативу
→ идея показывает перспективность
→ организация выделяет ресурсы
→ команда превращает её в рабочее исследование
Лян описывал общую исследовательскую структуру DeepSeek как восходящую: специалисты предлагают собственные идеи, а команды формируются вокруг перспективных направлений.
Именно в такой среде критерий «выбрать нетрадиционный путь» становится более понятным.
С этой точки зрения необычное описание вакансии выглядит менее загадочным.
Все пять дополнительных критериев указывают на одну общую характеристику.
Высокий результат на соревнованиях свидетельствует о способности решать сложные и незнакомые задачи под давлением.
Достижение выдающегося уровня в определённой сфере указывает на настойчивость и глубину.
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Эта область не обязательно должна быть связана с ИИ.
Сильный проект с открытым исходным кодом даёт DeepSeek конкретный материал для оценки.
Он показывает, способен ли кандидат создавать полезные системы вне формального процесса работодателя.
Создание чего-либо с нуля до первого работающего результата свидетельствует об инициативности в условиях неопределённости.
Это наименее измеримый критерий, но именно он связывает остальные.
Он проверяет, способен ли человек действовать без заранее составленной карты.
Общая переменная здесь — не возраст.
Это самостоятельность.
DeepSeek — не единственная передовая лаборатория ИИ, нанимающая людей, чья первоначальная специализация не связана с машинным обучением.
В исходной статье DeepSeek сравнивается с Anthropic и Google DeepMind.
Примеры реальны, хотя некоторые статистические данные исходной статьи о численности сотрудников основаны на анализе резюме третьими сторонами, а не на официальных данных о персонале.
Более широкую тенденцию подтвердить проще:
Передовым лабораториям ИИ всё чаще нужны специалисты по этике, философии, сознанию, теории принятия решений, управлению, психологии и взаимодействию человека с ИИ — наряду с традиционными инженерами и исследователями машинного обучения.
Отчасти это связано с тем, что сами системы теперь поднимают вопросы, на которые невозможно ответить только оптимизацией результатов тестов.
Аманда Аскелл — один из наиболее наглядных примеров.
Её специализация связана с философией, особенно с этикой и теорией принятия решений.
До Anthropic она работала в OpenAI.
В Anthropic она стала одной из ключевых фигур в работе над характером Claude.
В Конституции Claude от Anthropic за 2026 год говорится, что Аскелл руководит направлением Character и является основным автором документа.
Это не философия, добавленная для оформления уже после создания модели.
Исследования Anthropic по обучению характера рассматривают следующие вопросы как задачи, связанные с продуктом и выравниванием:
В исследовательской публикации 2024 года «Характер Claude» говорится, что целью было выйти за пределы простой безвредности и развить более содержательные качества, такие как любознательность, правдивость, открытость мышления, терпение и взвешенное суждение.
Эта работа требует технической реализации.
Но решение о том, какое именно поведение следует формировать при обучении, отчасти является философской задачей.
Конституция Anthropic на 2026 год превращает эту междисциплинарную работу в гораздо более масштабный рабочий документ.
В разделе благодарностей говорится, что Аскелл руководила его разработкой и написала большую часть документа.
Среди других участников — исследователи, работающие над психологией моделей, эпистемической автономией, безопасностью, ценностями и выравниванием.
Присутствие философов в передовой компании по разработке ИИ не случайно.
По мере роста возможностей моделей вопросы, которые раньше в основном относились к академической философии, становятся инженерными требованиями:
Что должна ценить система?
Как ей следует рассуждать в условиях моральной неопределённости?
Когда ей следует передавать решение человеку?
Как ей следует представлять неопределённость относительно самой себя?
Эти вопросы не решаются добавлением большего количества графических процессоров.
В исходной статье также упоминается Бен Левинштейн, чья научная подготовка включает эпистемологию и теорию принятия решений.
Текущие исследовательские публикации Anthropic и благодарности в Конституции Claude подтверждают, что Левинштейн участвует в исследовательской работе компании.
Точную формулировку истории его трудоустройства следует использовать с осторожностью, если она не подтверждена его прямым профессиональным профилем.
Более общий вывод остаётся справедливым: в подразделении Anthropic по выравниванию работают исследователи с подготовкой в таких областях, как философия, теория принятия решений, когнитивная наука и смежные дисциплины.
В 2026 году Google DeepMind сделала эту тенденцию особенно очевидной.
Генри Шевлин объявил, что в мае присоединяется к Google DeepMind с официальным названием должности:
Философ
Его работа сосредоточена на следующих направлениях:
Шевлин продолжает сотрудничать с Leverhulme Centre for the Future of Intelligence при Кембриджском университете.
Это не обычная должность инженера по машинному обучению.
Её цель — работать над вопросами, которые становятся практическими по мере роста возможностей систем ИИ.
Например:
Ответы могут влиять на политику в отношении моделей, исследовательские приоритеты, решения в области безопасности и дизайн продуктов.
DeepSeek, Anthropic и Google DeepMind нанимают не один и тот же тип специалистов и не по одной и той же причине.
| Компания | Пример | Почему важен такой профессиональный опыт |
|---|---|---|
| DeepSeek | Междисциплинарные технические специалисты по ИИ | Привнесение самостоятельных технических идей из-за пределов фиксированного карьерного пути в ИИ |
| Anthropic | Аманда Аскелл / работа над характером | Определение и обучение более глубоким поведенческим ценностям и суждениям |
| Google DeepMind | Генри Шевлин / философ | Исследование машинного сознания, отношений человека и ИИ и готовности к AGI |
Общий вывод не состоит в том, что «компании по разработке ИИ внезапно предпочитают выпускников гуманитарных специальностей».
Это было бы чрезмерным упрощением.
Передовые исследования ИИ остаются чрезвычайно техническими.
Общий тренд заключается в следующем:
По мере роста возможностей систем ИИ некоторые из самых сложных задач перестают аккуратно укладываться в рамки одной дисциплины.
Лаборатория AGI одновременно сталкивается с несколькими категориями вопросов.
Как эффективно обучать, обслуживать и масштабировать модель?
Какие архитектуры, оптимизаторы, цели обучения и стратегии работы с данными дают результат?
Как на самом деле работают рассуждение, память, агентность и обобщение?
Как система должна взаимодействовать с людьми?
Какому поведению она должна обучаться?
Что значит, что модель понимает, рассуждает, действует автономно или, возможно, обладает состояниями, связанными с благополучием?
Первые две категории относятся к знакомой инженерной сфере.
Последующие категории часто требуют других форм экспертизы.
Именно поэтому междисциплинарный найм становится всё более заметным.
Название вакансии содержит слово «междисциплинарный», но фактический сигнал для отбора, по всей видимости, глубже, чем просто «другая специальность».
Физик, следующий всем стандартным карьерным этапам, не обязательно ценнее исследователя ИИ.
А специалист по компьютерным наукам, который постоянно ставит под сомнение предположения, может отлично подходить для этой роли.
Позиция, судя по всему, ориентирована на сочетание следующих качеств:
Это объясняет, почему базовые навыки программирования по-прежнему обязательны.
Это не позиция для человека, который хочет избегать технической работы.
Это позиция для человека, чья основная профессиональная идентичность не обязана формулироваться как «исследователь ИИ».
Безопаснее всего читать описание не так:
DeepSeek нужны только молодые гении.
Но и не так:
DeepSeek не придаёт значения опыту.
Более полезная интерпретация выглядит следующим образом:
Покажите доказательства того, что вы способны самостоятельно атаковать сложные проблемы.
Такими доказательствами могут быть:
Конкретный диплом или достижение менее важны, чем то, что они доказывают о рабочем подходе кандидата.
Некоторые утверждения исходной статьи интересны, но не являются правилами найма из первоисточника.
| Утверждение | Уровень подтверждения |
|---|---|
| DeepSeek сейчас размещает вакансию «Междисциплинарные технические специалисты по ИИ» | Подтверждено на официальном сайте вакансий |
| Существенных ограничений нет | Подтверждено в описании вакансии |
| «Выбрать нетрадиционный путь» является дополнительным критерием | Подтверждено в описании вакансии |
| В ключевых технических ролях исторически работало много недавних выпускников и исследователей в начале карьеры | Подтверждается интервью Ляна Вэньфэна |
| MLA возникла из личного интереса молодого исследователя | Подтверждается интервью Ляна Вэньфэна |
| DeepSeek автоматически отказывает кандидатам с опытом более 8 лет | Не подтверждено как официальное правило |
| «Если нет золотой медали, кандидата практически не рассматривают» | Утверждение рекрутера или хедхантера, не официальная политика |
| DeepSeek официально запрещает нанимать «людей из крупных компаний» | Не является официальным опубликованным правилом найма |
| В Anthropic работают ровно 70 инженеров с опытом в физике, 78 — в математике и 13 — с философским образованием | Анализ резюме третьей стороной, процитированный в исходной статье; здесь независимо не проверялся |
| Google DeepMind наняла Генри Шевлина на должность «Философ» | Подтверждено объявлением Шевлина и материалами Кембриджа |
Это текущая позиция DeepSeek для кандидатов, которые хотят работать над исследованиями или инженерными задачами в области AGI без ограничения по академической специальности. DeepSeek сообщает, что направит соискателей в команду, которая лучше всего соответствует их интересам и способностям.
Нет. В публичном описании вакансии говорится, что существенных ограничений по специальности нет. Однако требуются базовые знания компьютерного программирования, сильная академическая подготовка, хорошие способности к обучению и подтверждённый долгосрочный интерес к ИИ.
DeepSeek не определяет эту формулировку как измеримый диплом или сертификат. В контексте она, по всей видимости, поощряет самостоятельное мышление и свидетельства того, что кандидат способен решать сложные проблемы, не следуя исключительно стандартным отраслевым моделям.
Нет. Междисциплинарная позиция доступна для стажировки или работы на полный день, а формального ограничения по количеству лет опыта не опубликовано. Лян Вэньфэн говорил, что многие ключевые технические должности исторически занимали недавние выпускники и исследователи в начале карьеры, но это не равнозначно официальному запрету на приём опытных кандидатов.
Согласно интервью Ляна Вэньфэна, да. Он говорил, что молодой исследователь изучал развитие архитектур механизмов внимания, предложил альтернативу, после чего DeepSeek сформировала команду, потратившую несколько месяцев на превращение идеи в работающую систему.
MLA — это архитектура механизма внимания, используемая в DeepSeek-V2 и DeepSeek-V3 для снижения стоимости вывода, особенно нагрузки на кэш ключей и значений. В официальном техническом отчёте DeepSeek указывается, что MLA является ключевым компонентом эффективной архитектуры вывода модели.
Работа Anthropic над выравниванием включает вопросы ценностей, суждений, характера, автономии и поведения ИИ-ассистента в сложных ситуациях. Аманда Аскелл, имеющая философскую подготовку, руководит направлением Character в Anthropic и является основным автором Конституции Claude 2026 года.
Да. Генри Шевлин объявил, что в мае 2026 года присоединился к Google DeepMind с должностью «Философ» и работает над машинным сознанием, отношениями человека и ИИ и готовностью к AGI.
Вакансия DeepSeek «Междисциплинарные технические специалисты по ИИ» необычна, поскольку снимает стандартное ограничение по академической специальности, сохраняя при этом очень высокую планку подтверждённых способностей. Результаты соревнований, глубокая экспертиза, вклад в проекты с открытым исходным кодом, предпринимательство и «выбор нетрадиционного пути» указывают на одно и то же: способность самостоятельно работать над сложными проблемами.
Эта философия соответствует более раннему описанию культуры DeepSeek, которое давал Лян Вэньфэн. Компания исторически доверяла важную работу молодым специалистам и исследователям в начале карьеры, а MLA является конкретным примером идеи, которая выросла из личного любопытства исследователя и стала ключевой архитектурой.
Anthropic и Google DeepMind показывают, что более широкая тенденция не уникальна для DeepSeek. Передовые лаборатории ИИ теперь нанимают философов и других нетрадиционных специалистов, поскольку вопросы поведения ИИ, сознания, суждений и отношений человека с системами стали практическими исследовательскими задачами.
Общий сигнал при найме — это не «молодой», «не связанный с ИИ» или «гений». Это способность самостоятельно мыслить, глубоко погружаться в проблему и создавать полезный результат там, где стандартного сценария недостаточно.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
