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/zh/articles/deepseek-ai-cross-disciplinary-talent-hir-2c6dcdf2.md.
DeepSeek 的招聘网站上出现了一个不同寻常的职位：“AI 跨学科技术人才”。
该职位归属于全栈开发与算法方向，但职位描述表示，它面向希望参与 AGI 构建、具备非凡能力的人才。同时，职位并未设置严格的专业限制。
DeepSeek 并没有要求候选人提交一份传统的 AI 履历，而是表示会根据候选人的兴趣与能力，将其匹配到最合适的研究或工程团队。
最受关注的部分是加分项。
除了高水平竞赛成绩、某一领域的深厚专业能力、有影响力的开源工作和创业经历之外，DeepSeek 还加入了一项刻意保持模糊的标准：
选择非传统路径。
这让该职位乍看之下显得自相矛盾。
DeepSeek 也曾在招聘宣传中表示，它并不是简单地“寻找天才”，但这个职位又明确面向能力超出常规水平的人才。
如果将这份职位信息与创始人梁文锋早期关于招聘的采访、DeepSeek 年轻化的技术团队，以及多头潜在注意力（Multi-Head Latent Attention，MLA）的起源放在一起理解，这种矛盾就更容易解释。
真实情况与其说是“我们想要没有经验的人”，不如说是：
DeepSeek 似乎更看重独立解决问题的证据，而不是传统的职业晋升路径。
这份职位信息之所以特别，是因为它避开了学历、专业、工作年限和过往职位等常见的筛选清单。
公开可见的职位描述称，该职位面向具备非凡能力、希望参与创造和构建 AGI 的候选人。
职位还明确表示，不限制学术专业。
该职位既可以是实习岗位，也可以是全职岗位。
目前的职位信息列出了四项核心要求：
加分项包括：
最后一条标准让该职位在中国社交媒体上广泛传播。
它很难被转化为传统招聘人员的评分标准。
因为并不存在一张“非传统”标准证书。
这个表述似乎是对一类更广泛候选人特征的概括：能够质疑假设、独立探索，并且不等待既有路线图就取得有意义的成果。
DeepSeek 在 2026 年 6 月的招聘宣传中使用了另一句受到关注的话：
“我们从不只是寻找天才。”
公司的更广泛信息是：真正拥有独特贡献的人，才是它希望找到的人。
这种表述并不像最初看起来那样矛盾。
“天才”可能意味着社会地位、声望、精英资历或一份经过精心包装的履历。
而在这份职位描述中，“非凡能力”更多地与已经展现出的行为直接相关：
因此，该职位并不反对学历、奖项等资历。
竞赛奖牌和教育背景仍然出现在要求中。
更准确的描述是：不限制学科，但对已证明的能力进行高度筛选。
原始报道重复了招聘人员和猎头的说法，称 DeepSeek 有时会筛掉工作年限较长的候选人，更偏好只有几年行业经验的人。
这些说法被广泛传播，但不应被视为官方招聘规则。
DeepSeek 的公开职位页面并没有写明：
工作经验超过八年 = 自动拒绝
也没有写明：
必须获得金牌，否则不考虑
目前能够核实的情况更加细致。
在更早的采访中，梁文锋表示，DeepSeek 和幻方往往依据能力而非既有经验进行招聘。
他还表示，许多核心技术岗位由应届毕业生或毕业一两年的人担任。
这是一种理念。
它并不等同于公开记录在案的硬性工作年限上限。
“有大公司味”或“大公司风格”这一说法也应采用同样谨慎的态度。
中国媒体曾报道招聘人员的评论，称 DeepSeek 对将高度标准化的大公司流程带入前沿研究的候选人有所警惕。
但这并不是招聘网站上公布的正式规则。
对于候选人而言，更实际的结论是：
不要假设知名雇主经历或一份很长的履历就足够。你需要展示自己的思考方式、构建过什么，以及曾在哪些地方挑战默认答案。
梁文锋曾形容 DeepSeek 的早期技术团队异常年轻。
在一次广泛传播的采访中，他否认该团队由神秘的资深超级明星组成。
他描述的许多贡献者包括：
他还表示，DeepSeek-V2 主要由内部培养的人才构建，而不是通过海外明星人才招聘组建团队。
重点并不在于年龄本身能够带来创新。
而在于，公司愿意将重要的技术责任交给那些尚未花十年时间沿着标准行业层级晋升的人。
这有助于解释当前跨学科职位为何如此宽泛。
DeepSeek 招聘的不只是已经知道 AI 实验室通常如何运作的人。
它也在寻找能够将不同思维方式带入实验室的人。
梁文锋早期关于经验的评论，是原始报道的核心内容。
他的观点并不是经验没有价值。
在成熟的工程领域，经验通常极其宝贵。
构建支付系统的高级工程师，可以避开新手从未见过的故障模式。
生产数据库、安全系统或推荐引擎，也会从积累的运营知识中受益匪浅。
前沿 AGI 研究在一个重要方面有所不同：
可能还不存在已经确立的正确方法。
梁文锋认为，有经验的人有时会过快地采用已知解决方案。
经验较少或经历不那么传统的人，可能更愿意反复从第一性原理出发探索问题，并找到更适合当前情况的方法。
这是一种真实存在的权衡。
经验可以避免重复犯错。
但它也可能形成关于哪些方向“显然”不值得尝试的假设。
DeepSeek 的文化似乎正是围绕着为后一种行为保留更多空间而设计的。
成熟领域拥有稳定的约束条件。
前沿领域的假设则处于变化之中。
原始报道使用了以下例子：
这些都是重要技术。
但任何严肃的研究机构都不能假设，今天的标准架构会永远是正确的架构。
在前沿领域，困难的问题往往不是：
我们如何优化被广泛接受的方法？
而是：
我们应该停止接受哪个已经被接受的假设？
这正是跨学科人才可能发挥价值的环境。
物理学家可能会用不同方式理解优化问题。
数学家可能会发现工程师忽略的不变量。
系统研究人员可能会质疑计算结构本身。
哲学家可能会发现一个无法简化为基准测试性能的概念问题。
目标不是取代技术专业能力。
而是扩大被质疑的假设范围。
原始报道将**多头潜在注意力（Multi-Head Latent Attention，MLA）**视为这种文化最清晰的案例。
MLA 是 DeepSeek-V2 引入并延续至 DeepSeek-V3 的核心架构组件。
DeepSeek 官方 V3 技术材料确认，MLA 是其高效推理设计的核心组成部分。
这一故事源自梁文锋的采访。
他说，这一想法最初来自一名年轻研究人员的个人兴趣。该研究人员一直在研究注意力架构如何演进，并思考能否设计出另一种方案。
随后，DeepSeek 围绕这一想法组建了团队。
团队花了数月时间，将最初的概念转化为可运行的架构。
这个故事的重要之处在于，它并不是：
CEO 选择架构
→ 团队实现架构
而更接近：
研究人员发现一个假设
→ 研究人员探索替代方案
→ 想法展现潜力
→ 组织分配资源
→ 团队将其转化为生产级研究成果
梁文锋将 DeepSeek 更广泛的研究结构描述为自下而上：成员提出自己的想法，团队围绕有潜力的方向组建。
在这样的环境中，“选择非传统路径”这一招聘标准就更容易理解。
这样来看，这份不同寻常的职位描述就不那么神秘了。
五项加分标准都指向同一种底层特质。
顶尖竞赛成绩表明，候选人能够在压力下解决困难且陌生的问题。
在某个领域达到非凡水平，说明候选人具备坚持和深度。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
这个领域不一定是 AI。
优秀的开源项目可以为 DeepSeek 提供具体的考察对象。
它可以展示候选人在正式雇主流程之外，是否能够创建有用的系统。
从零到一构建事物，是候选人在不确定性下展现主动性的证据。
这是最难衡量的一项标准，但它将其他标准联系在了一起。
它考察一个人能否在没有预先绘制好的地图时开展工作。
共同变量不是年龄。
而是行动能力。
DeepSeek 并不是唯一一家招聘原本并非机器学习专业人才的前沿 AI 实验室。
原始报道将 DeepSeek 与 Anthropic 和 Google DeepMind 进行了比较。
这些案例是真实的，不过原始报道中的部分员工数量统计来自第三方履历分析，而非官方员工数据。
更广泛的趋势更容易得到验证：
除了传统工程和机器学习研究之外，前沿 AI 实验室越来越需要从事伦理学、哲学、意识、决策理论、治理、心理学以及人机交互研究的人才。
部分原因在于，如今的系统提出了一些仅靠基准测试优化无法回答的问题。
Amanda Askell 是最清晰的案例之一。
她的背景是哲学，尤其专长于伦理学和决策理论。
加入 Anthropic 之前，她曾在 OpenAI 工作。
在 Anthropic，她成为 Claude 性格研究的核心人物。
Anthropic 的 2026 年 Claude 宪法表示，Askell 负责公司的性格研究，也是该文件的主要作者。
这并不是在模型构建完成后，再将哲学作为装饰添加上去。
Anthropic 的性格训练研究将以下问题视为产品和对齐问题：
2024 年发布的《Claude 的性格》研究文章表示，目标是超越简单的无害性，进一步培养好奇心、真实、开放心态、耐心和审慎判断等更丰富的特质。
这项工作需要技术实现。
但决定应该训练什么样的行为，部分属于哲学问题。
Anthropic 的 2026 年宪法将这种跨学科工作转化为一份规模更大的运营文件。
致谢部分表示，Askell 负责领导其制定并撰写了大部分内容。
其他贡献者包括从事模型心理学、认识自主性、安全、价值观和对齐研究的人员。
因此，前沿 AI 公司中出现哲学家并非偶然。
随着模型能力增强，过去主要属于学术哲学的问题，开始转变为工程要求：
系统应该重视什么？
它应如何在道德不确定性下进行推理？
什么时候应该选择遵从？
它应如何表达对自身状态的不确定性？
这些问题不是增加 GPU 数量就能解决的。
原始报道还提到了 Ben Levinstein，他的研究背景包括认识论和决策理论。
Anthropic 当前的研究出版物和 Claude 宪法致谢部分确认，Levinstein 参与了 Anthropic 的研究工作。
除非与他的直接职业资料进行核对，否则应谨慎看待原始报道对其具体工作经历的描述。
更广泛的结论仍然成立：Anthropic 的对齐组织包括接受过哲学、决策理论、认知科学及相关学科训练的研究人员。
Google DeepMind 在 2026 年让这一趋势变得格外明确。
Henry Shevlin 宣布，他将于 5 月加入 Google DeepMind，实际职位名称就是：
哲学家
他的工作重点包括：
Shevlin 仍与剑桥大学 Leverhulme 未来智能中心保持关联。
这不是普通的机器学习工程职位。
其目的在于研究 AI 系统能力增强后将转化为实际问题的议题。
例如：
这些问题的答案可能影响模型政策、研究优先级、安全决策和产品设计。
DeepSeek、Anthropic 和 Google DeepMind 并不是出于相同原因招聘同一种人才。
| 公司 | 案例 | 背景为何重要 |
|---|---|---|
| DeepSeek | AI 跨学科技术人才 | 从固定的 AI 职业路径之外引入独立的技术想法 |
| Anthropic | Amanda Askell / 性格研究 | 定义并训练更丰富的行为价值观与判断能力 |
| Google DeepMind | Henry Shevlin / 哲学家 | 研究机器意识、人机关系和 AGI 准备工作 |
共同点并不是“AI 公司突然更偏好人文学科毕业生”。
那将是另一种过度纠偏。
前沿 AI 仍然高度依赖技术能力。
共同点在于：
随着 AI 系统能力增强，一些最困难的问题已经无法整齐地归入单一学科。
AGI 实验室需要同时面对多个类别的问题。
如何高效地训练、部署和扩展模型？
哪些架构、优化器、训练目标和数据策略有效？
推理、记忆、行动能力和泛化究竟是如何运作的？
系统应如何与人互动？
系统应当学习什么样的行为？
模型理解、推理、自主行动，或可能拥有与福利相关的状态，究竟意味着什么？
前两个类别属于熟悉的工程领域。
后面的类别通常需要其他形式的专业知识。
这也是跨学科招聘变得更加明显的原因。
职位名称中有“跨学科”，但实际筛选信号似乎比“专业不同”更深层。
一个遵循所有标准路径的物理学候选人，并不一定比 AI 研究人员更有价值。
而一名不断挑战假设的计算机科学候选人，可能非常适合这一职位。
该职位似乎在寻找以下能力的组合：
这也解释了为什么职位仍然要求基础编程能力。
这不是一个希望避开技术工作的职位。
而是一个不要求候选人最强的既有身份必须是“AI 研究员”的职位。
理解这份职位信息，最稳妥的方式不是：
DeepSeek 只想要年轻的天才。
也不是：
DeepSeek 不在乎经验。
更有用的理解是：
展示你能够独立攻克困难问题的证据。
这种证据可能包括：
具体资历的重要性，不如它能够证明候选人如何工作。
原始报道中的一些说法很有意思，但并不是第一方招聘规则。
| 说法 | 证据等级 |
|---|---|
| DeepSeek 当前列出了“AI 跨学科技术人才”职位 | 已在官方招聘网站确认 |
| 没有专业方面的重大限制 | 已在职位描述中确认 |
| “选择非传统路径”是加分项 | 已在职位信息中确认 |
| 核心技术岗位历史上包括许多应届毕业生或职业早期研究人员 | 有梁文锋采访支持 |
| MLA 起源于一名年轻研究人员的个人兴趣 | 有梁文锋采访支持 |
| DeepSeek 会自动拒绝工作经验超过 8 年的候选人 | 未确认为官方规则 |
| “低于金牌基本不考虑” | 招聘人员或猎头说法，并非官方政策 |
| DeepSeek 正式禁止“大公司的人” | 不是官方发布的招聘规则 |
| Anthropic 恰好有 70 名物理学背景、78 名数学背景和 13 名哲学背景工程师 | 原始报道引用的第三方履历分析；本文未独立核实 |
| Google DeepMind 聘请 Henry Shevlin 担任“哲学家” | 已由 Shevlin 的公告和剑桥相关报道确认 |
这是 DeepSeek 当前的一个职位，面向希望从事 AGI 研究或工程工作的候选人，且不限制学术专业。DeepSeek 表示，会将申请者匹配到最符合其兴趣和能力的团队。
不要求。公开职位描述表示不限制专业。不过，职位要求基础计算机编程知识、良好的教育背景、较强的学习能力，以及对 AI 的长期兴趣和相关成果证明。
DeepSeek 没有将其定义为可量化的资历。结合上下文来看，它似乎是在奖励独立思考，以及候选人在不简单遵循行业标准模式的情况下解决困难问题的证据。
不是。该跨学科职位可以是实习岗位或全职岗位，也没有公布正式的工作年限上限。梁文锋曾表示，许多核心技术岗位历史上由应届毕业生和职业早期研究人员担任，但这不等同于官方禁止招聘有经验的候选人。
根据梁文锋的采访，是的。他表示，一名年轻研究人员研究了注意力架构的演进，提出了替代方案，之后 DeepSeek 组建团队，用数月时间将这一想法转化为可运行的系统。
MLA 是 DeepSeek-V2 和 DeepSeek-V3 使用的一种注意力架构，旨在降低推理成本，尤其是键值缓存带来的负担。DeepSeek 官方技术报告将 MLA 确定为其高效推理设计的核心组件。
Anthropic 的对齐工作涉及价值观、判断、自主性、性格，以及 AI 助手应如何在困难情境中行动等问题。Amanda Askell 拥有哲学背景，负责 Anthropic 的性格研究，并且是 Claude 2026 年宪法的主要作者。
是的。Henry Shevlin 宣布，他于 2026 年 5 月加入 Google DeepMind，职位名称为“哲学家”，负责机器意识、人机关系和 AGI 准备工作。
DeepSeek 的“AI 跨学科技术人才”职位之所以不同寻常，是因为它取消了对学术专业的常规限制，同时对已证明的能力保持很高门槛。竞赛成绩、深厚专业能力、开源工作、创业经历和“选择非传统路径”都指向同一件事：候选人能够独立处理困难问题的证据。
这种理念与梁文锋早期对 DeepSeek 文化的描述相吻合。公司历史上一直愿意将重要工作交给年轻和职业早期研究人员，而 MLA 就是一个具体案例：一个源于研究人员个人好奇心的自下而上想法，最终发展为核心架构。
Anthropic 和 Google DeepMind 表明，这种更广泛的趋势并非 DeepSeek 独有。如今，前沿 AI 实验室开始聘用哲学家和其他非传统专家，因为 AI 行为、意识、判断以及人机关系等问题已经成为实际的研究问题。
共同的招聘信号不是“年轻”“非 AI 背景”或“天才”，而是在标准路线图不完整的地方独立思考、深入钻研并产出有用成果的能力。
从一句话开始，几分钟内拿到完整网站。
