Anthropic 简历筛选重权重 safety/values 真实性。表演式 safety 热情挂。实质 safety 参与(interpretability OSS、alignment 论坛、论文批评)+ 生产 ML 是差异化。
Anthropic 的 screen 扫生产 ML 能力 + 研究深度 + safety/values 真实性。Values 轮非技术但决定性——简历不预先信号实质 safety 参与的——values 阶段高失败风险。按 Levels.fyi(SWE 代理):Senior SWE TC $563K、Lead $785K——高门槛、高 values 过滤。
SWE/RE 筛选最重要三个信号:(1)生产 ML / 从零能力——分布式训练、自定义 RLHF、推理优化;(2)实质 safety 参与——alignment 论坛文、interpretability OSS、red-teaming 工作、论文批评(不只是论文阅读);(3)「high-trust、low-ego」文化信号——bullet 里 thoughtful disagreement framing、mentorship 结果、方法论批评。RE 级别三个都不全的 bullet 筛掉。
自然地织进 bullet 和技能区。别堆关键词——跟具体成就配对。
为团队建 ML 基础设施。
用 PyTorch + 自定义 DeepSpeed 集成在 128 个 H100 上为 30B 参数模型建分布式训练基础设施;通过 gradient accumulation + activation checkpointing 调优把训练步时间减少 18%。
具体规模 + 生产 ML 基础设施 + Anthropic 相关工具(PyTorch、分布式训练)。Anthropic 明确看重经验工程超过理论研究。
做 AI safety 研究。
按 [InstructGPT 方法论] 从零实现 RLHF 训练 pipeline;在自定义 reward 模型里识别 reward-hacking 失败模式,把发现发到 alignment 论坛(lesswrong.com,89 upvote)。
实质 safety 参与(RLHF + reward-hacking 分析 + 公开 alignment 论坛发表)。这正是 Anthropic 具体看重的信号。
改善了模型评估工具。
为 Claude red-teaming 设计涵盖 12 个攻击类别(prompt injection、jailbreaking、有害内容)的评估套件;比 baseline 检测多 47% 失败模式;被 safety 团队跨 3 个模型采纳。
Red-teaming + safety 评估设计 + 具体覆盖指标 + 采纳信号。Anthropic 的 safety 文化明确权重评估严谨。
指导团队成员。
为 ML 团队合写「thoughtful disagreement」入职文档(4 个新人通过它);在 1:1 里建模 HHH 框架;在 3 个晋升包里被引用为 high-trust low-ego 文化典范。
Anthropic 明确看重「high-trust、low-ego」文化。具体 mentorship 结果 + 文化对齐信号不表演。
只用 PDF、单栏、纯文本可提取。Anthropic 接受标准 ATS 格式。
多栏布局。纯图片简历。重设计师模板。
列具体 safety/alignment 工作:alignment 论坛文(>10 upvote 时附数)、interpretability OSS 贡献(transformer-circuits、neel-nanda repo)、论文复现(RLHF、Constitutional AI)。具体讲你实质参与过哪些论文。
summary 里通用「我关心 AI safety」。通过具体行动展示:论坛文、OSS 贡献、论文批评。展示 > 明确断言。
主打 PyTorch + 生产部署具体。Anthropic 主要用 PyTorch(JAX 用于一些研究)。分布式训练(DeepSpeed、FSDP)、推理优化(vLLM、自定义 CUDA)、评估(eval 框架设计)。
通用「machine learning」或「deep learning」。ATS 错过——要具体。
适当时把 bullet 框架成方法论批评:「识别失败模式 X」、「提议替代方法 Y」。Anthropic 明确看重 thoughtful disagreement。
通用「跟团队协作」bullet。Anthropic 面试看重异议超过遵从——真实时浮现这个。
summary 里「我对 AI safety 充满热情」或 bullet 里通用 safety 提及——读起来不真。Anthropic 的 screen + values 轮明确按实质参与过滤。通过具体 OSS 贡献、alignment 论坛文、论文批评展示——不是断言。
另一头——把 safety 工作框架成合规演戏、或在 ML 工作完全跳过 safety 考虑的 bullet——标记不对齐。即使 Anthropic 非 safety 角色也碰 safety;不表演的展示意识。
Anthropic RE 门槛具体看重从零能力——从零实现 transformer、自定义训练循环、底层 CUDA 工作。读起来像「用 HuggingFace Trainer 微调」没底层深度的简历——深度过滤器挂。
「Following the methodology of [Anthropic et al. 2022] for Constitutional AI...」是 PhD 风格。简历风格:「实现 Constitutional AI 训练 pipeline(自定义 RM + KL 惩罚 + harmlessness 评估套件)」。在面试时辩护,简历 bullet 里不引。
RE 路线申请:Anthropic 看重知道你为什么关心安全 AI。简历不浮现个人切身参与(interpretability 工作、safety 博客、alignment 论坛参与)的——筛选时 mission 适配难验证。
Applr 从你的背景浮现生产 ML 和实质 safety 信号——不是表演式「我关心 safety」framing。对话流具体问 alignment 论坛参与、interpretability 工作、你写过的论文批评,浮现 Anthropic values 轮过滤器找的信号。匹配评分显示跟具体 Anthropic JD 的对齐。
Alignment / Safety 角色:显著——alignment 论坛 / lesswrong 文、interpretability OSS 贡献(transformer-circuits、neel-nanda repo)、实质论文复现。一般 SWE/RE 角色:足以信号真实兴趣——即使一个实质论坛文 + 一个 OSS 贡献 + 你参与过的论文批评。表演式「我关心 safety」单独读起来空洞。
PyTorch 在 Anthropic 必需且主要(按官方招聘)。JAX「nice to have」。别为面试从零学 JAX——深入展示一个 ML 框架。JAX 熟练度 hire 之后比筛选时更重要。
按 Levels.fyi(因为没单独 RE 带,SWE 代理):Senior SWE $563K TC,Lead SWE $785K TC。Anthropic 中位 $420-710K。可比 OpenAI($600-900K 报道),远超 DeepMind UK 带。股权非流动(私有、4 年 vest 配第 1 年 cliff)。流动性历史上靠 tender offer。
故事本身不在简历——那是 cover letter 或面试。但信号你有一个:列展示个人投资的实质 safety 参与(论坛文、OSS 贡献、论文批评)。Anthropic 的 values 轮非技术但决定性——简历应预先验证你会过它。
SF + 伦敦(Science of Scaling 团队)的 SWE/RE 角色 sponsor。强 sponsor。有美国/英国工作授权的国际候选人路径清晰。Anthropic 伦敦存在让英国留学生可达。
新人 / <3 YOE 严格 1 页。senior 1-2 页。Anthropic 的 screen 明确看重清晰思考 + 相关信号密度。砍老角色到 1 行总结。