许多人梦想进入像OpenAI这样的前沿实验室从事研究工作，然而对于那些缺乏传统学术背景，比如没有发表过论文或知名导师推荐的人来说，这条路似乎格外艰难。
最近，OpenAI资深研究科学家Noam Brown在X上分享了几个真实故事，证明了通过个人努力和巧妙策略，即使没有传统学术履历，也能获得机会。
Keller Jordan：从改进他人论文开始
Keller Jordan从加州大学圣地亚哥分校毕业时，简历上没有任何论文发表记录。当时他在一家做AI内容审核的初创公司工作。
按照常规路径，想进入OpenAI这样的顶尖实验室，至少需要名校博士学位，外加几篇顶会论文，最好还有业内知名学者的推荐，而Keller什么都没有。
但他做了一件关键的事，主动联系了当时在谷歌工作的研究员Behnam Neyshabur，向对方展示了一个改进其最新论文的想法。这次「冷接触」获得了积极回应。Behnam同意指导他，最终合作完成了一篇ICLR论文。
Noam Brown在帖子中强调，如今AI研究越来越封闭，公开项目越来越少，但「改进他人已发表的工作」仍是展示个人能力的绝佳方式。这种方法能让实验室内部人士看到你的潜力，并愿意为你争取面试机会。
然而，Keller真正吸引OpenAI注意的，是他发起的NanoGPT speed run项目。这个项目基于Andrej Karpathy的nanoGPT框架，旨在优化训练一个124M参数的Transformer模型，以达到特定验证损失目标，同时最大化token利用效率。
GitHub地址：https://github.com/KellerJordan/modded-nanogpt
Keller将所有工作公开文档化，包括代码、实验过程和结果测量，这在社区中引起了广泛关注。Andrej Karpathy在社交媒体上转发了这个项目，并称赞「干得漂亮」。
正如Chayenne Zhao所说，「别再问怎么才能在OpenAI找到工作了，直接开始宣传你的成果吧。Keller没等什么许可，他直接打破了纪录，让人无法忽视。只有当你拥有真正可扩展的工作成果时，陌生邮件才有效。如果你没有公开开发项目，没有追求效率记录，你在这个市场里就不存在。」
Sholto Douglas：一个GitHub提问成敲门砖
类似成功并非孤例。Sholto Douglas原本在麦肯锡工作，但坚信AI将会爆发，于是开始利用业余时间做自己的AI项目。每天晚上10点到凌晨2点，他都在进行独立研究。
他在JAX的GitHub上提出的深刻问题引起了谷歌工程师James Bradbury的注意。Bradbury后来回忆：「我以为我认识世界上所有会问这些问题的人，你到底是谁？」这个意外的发现为Sholto赢得了Google DeepMind的面试机会。
Sholto在X上并不活跃，也没有什么亮眼的第一作者论文，进入AI领域仅一年半左右，但业内人士都知道他是Gemini成功背后最重要的人物之一。
这印证了Karpathy的一个观察：真正改变AI的人往往隐藏在组织深处，他们不活跃于社交媒体，不上播客节目，甚至可能不再发表论文，但他们正在直接发明和构建奇迹。
Andy L.Jones：一篇自发表论文打动Anthropic
Andy L.Jones是一位半退休的量化交易员，他写了一篇论文，比较预训练规模和测试时计算规模的影响，这还是在测试时计算没火起来之前。
xAI联合创始人Igor Babuschkin专门发帖表示，他不断回顾Andy L.Jones的精彩论文《Scaling Scaling Laws with Board Games》，说它展示了MCTS训练计算量与推理计算量之间相互权衡，增加10倍的MCTS步骤几乎等同于10倍的训练量。
Noam Brown指出，这篇论文的亮点不在于它在某个基准测试上达到了最先进的性能，而在于Andy做出了聪明的设计选择，编写了GPU加速的环境，并进行了仔细的消融实验。
论文链接：https://arxiv.org/pdf/2104.03113
更重要的是，他选择了自行发表。现在，Andy已经加入了Anthropic。
这也说明，论文的质量远比发表的地方重要。如果你的工作设计巧妙、实验严谨、见解独到，即便是自行发表也能得到认可，顶尖实验室的招聘者看重的是解决问题的能力和研究的深度。
Kevin Wang：本科生也有机会，但标准很高
OpenAI等实验室也会直接从本科生中招聘研究员，但门槛确实很高。
Kevin Wang就是一个例子。他获得了导师的强烈推荐，并且是NeurIPS 2025一篇论文的第一作者。
Noam Brown坦言，NeurIPS上有很多质量一般的论文，但他们能看出Kevin这篇是真正优秀的。事实证明，Kevin加入OpenAI后，他的论文从5290篇投稿中脱颖而出，成为仅有的4篇最佳论文之一。
论文链接：https://arxiv.org/pdf/2503.14858
Noam Brown特别提到，导师的推荐在这里起了很大作用，因为仅凭简历甚至论文来评估一个研究者的潜力是很困难的。
这说明，如果你还在读本科或研究生，与导师建立良好的关系、做出高质量的研究工作，获得导师的认可和推荐，也是一条可行的路径。
特殊的时代，特殊的机会
在分享的最后，Noam Brown谈到了一个更深层的问题：薪酬。
他认识一些人选择做量化交易来赚钱，但五年后却开始质疑自己在做什么。他认为，现在是历史上一个特殊的时刻，在AI研究领域，你不仅能够积极地引导当今最重要的科技发展方向，同时也能获得不错的报酬。
进入顶尖AI实验室的路径不是唯一的，也不是封闭的。
知名博主Yuchen Jin补充道：StabilityAI创始人Emad曾透露，Stability AI的80名研究者和工程师中，只有16人有博士学位，其中很多人是直接从X平台上被招聘的。
你不需要博士学位就能成为优秀的研究员或工程师，你只需要「just do things」，主动展示能力、做有影响力的独立项目、在开源社区贡献有深度的想法、通过改进现有工作证明实力。
机会永远留给那些有准备、敢行动的人。
最后，用电影《当幸福来敲门》一句经典台词共勉：You want something.Go get it.（想要什么就去争取，无需多言。）
参考链接：
https://x.com/polynoamial/status/2014084431062114744
https://x.com/GenAI_is_real/status/2014104440408776865
https://x.com/Yuchenj_UW/status/2014099420091199975?s=20"