为什么 AI (LLM/NLP) 的research工作要考leetcode？

最近面试了一些LLM相关的 research 的工作，几乎都会考leetcode的coding，有些甚至要给出 时间复杂度/空间复杂度 最低的解。


楼主很疑惑：既然是research，为什么要考 算法题呢？楼主读博做research，发paper期间，感觉算法题完全没有被用到啊。。。各大厂都考leetcode 是为什么呢？想考察什么能力？

分享我的一个暴论：因为做的科研还没有强到大厂招你去推进科学的进步。我读博的时候也有过类似的疑问，后来明白了因为目前90%的情况，无论大中厂招PhD过去也是期望解决实际业务需求的。那既然是做产品，就统一标准，按照做产品的要求去招人，至少能写工程代码。只有少数的顶尖人才会被召唤，可以免考coding，去做探索未来的工作。

因为有些面试官菜的很 根本看不懂你的简历的名词啥意思 比如我 但是面试又不能干瞪眼 就做几道算法题 把时间熬过去

楼主读博做research发paper期间感觉算法题完全没有被用到啊

这属于non-argument。你工作后会发现博士的东西也完全用不到，但如果把PhD requirement从招聘标准中移除，你肯定不太高兴吧

算法和数据结构是本科基本功？

大厂就是为了有个统一标准。如果你能力没有强到让大厂为你单独开面试流程的话 只能还是考leetcode

投简历走面试pipeline的话不可避免被考leetcode，即使是lab里的纯research的岗位，公司也总不能跟你聊三轮publication再加一轮BQ，凑也得凑点其他的。
当然有非常强的工作的话在conference上也会被各种公司直接approach，一个前同事去了趟ICML直接拿了三个offer跳槽走了lol

考察你的服从性

呵呵，还是要科研混的有名了大厂才会挖墙脚。哎。

只要你的岗位会写production code就应该面coding吧