再锤锤pony.ai的辣鸡manager们

接上回：https://www.1point3acres.com/bbs/thread-958888-1-1.html。 本来是不想针对个人的，但听朋友说我在pony时候的manager在外面造我的谣，此人不但没有反省在pony做的恶心事情，居然还跳出来自己认领上个帖子里的第四条。

劣币驱逐良币就是指以我的manager为代表的一帮货。上次的跟帖里 （https://www.1point3acres.com/bbs ... ;page=9#pid18079731）有个比我更了解pony的指出：

“Pony的文化toxic到极致，利益群体错综复杂，政治斗争你死我活，宫廷大戏天天上演。绩效打分、奖金发放多半取决于是否讨老板喜欢，而不是你的业绩。尤其是近两年，有能力的高管层差不多走光了，很多高管来了一年发现被骗了就走了，剩下的多半能力堪忧，欺上瞒下，只懂得足危舌忝。有能力的人被打压、被架空是常态。”

“数据造假（没错，这是普遍存在的），某些员工造假的目的是为了讨好上级，拿到好的绩效、奖金、甚至升职，而不止是为了对外的宣传。能力强、人品好的engineer是斗不过这些人的（没错，劣币驱逐良币也是普遍存在的）。很多这样的员工升职后就跳槽去其他公司，留下定时炸弹留给新人，击鼓传花。”

那我再来补充一个具体案例：

我的manager在2020年pony传出要上市的消息的时候从waymo跳到pony，据同事说一开始看起来人还不错，后来因为滴滴事件中概股上市停滞之后就变了个人，在职的一年多时间里跟她work的人跑了五波，我入职pony两三个礼拜就发现她经常在public office用责备的语气训斥组里的男同事，有些同事被她搞得连陌生人都一眼能看出精神状态不对。我跟她接触时候她的言谈举止也是让我感觉到非常不舒服，后来才知道她的这些做法都是最典型的职场pua。

我跟同事商量是否应该向hr反馈她的不当行为，同事跟我说的“她上面有人”。事实也确是如此，我跟hr反馈了以后，hr抱着不解决问题而是解决提出问题的人的态度把我给搞走了。最让人生气的是，我的manager还当面用极其恶心的话术，满嘴谎话污蔑我，“你不commit to pony”，“你觉得自己对得起pony发的工资吗”。而事实情况是，我的manager技术水平极低，连依葫芦画瓢都会画错，我指出了她的work里很多明显有问题的地方，她就针对我，对别的同事说“我不相信她的方法”；我拒绝帮她reinvent the wheel，她就在public office里对我无理取闹地发脾气，连hr和skip manager（也就是“上面有人”的那个“人”）都承认她说的那些话“get不到逻辑”。后来我才了解到像“不commit”，“对得起工资吗”这些话术，一直被我manager欺负的其他同事都被她这样恶心过，甚至还会拿跟工签h1b相关的话术来恶心人，实际上她自己才是pony最大的负资产。

而且这还是pony特色，我的manager不是个例，还有其他组的manager用一模一样的话恶心人，比如我之前爆出来数据造假的那个老哥，一个同事说这个老哥甚至还想栽赃给ta，严重影响了ta的心理和生理健康。这帮人的共同的特点是：自己从来不会有错，出了任何问题就甩锅给别人，人前一套人后一套。我的manager被skip manager训话的时候（是的，就在public office里像训小孩一样的训话）就乖得像个小绵羊一样，在我们面前就凶相毕露。

我离开pony后同事告诉我一些我之前不知道的信息才想通了原来她从头到尾都在处心积虑pua我，也因此出现严重的急性抑郁和创伤的症状。心理医生确诊的当天晚上我就把她的不当行为举报给了pony CTO楼天城，没多久她就润去cruise了，走之前很多同事问她去哪儿她一个都没告诉，还说半年内都不会更新linkedin。pony为了规避责任，还是要走个调查流程，结论是我的manager“没有问题”，后来我跟多个同事证实了pony法务部向我声称的调查流程的说法里全是谎话。推荐初入职场的小伙伴都看看这个youtube channel科普辣鸡公司对付员工的方法：https://www.youtube.com/@braniganrobertsonlaw。像我manager这种人渣的pua手段，北美顶尖高校毕业的new grad特别容易中招，因为我们在学校的时候根本没见过这样的人，根本想不到名声还算不错的湾区科技公司里竟能有这样恶心的人。认识她的人看到这个帖子建议给她带个话，让她耗子尾汁，停止造谣，做个人吧，我没有追究她违反employment law的法律责任她就该谢天谢地了。cruise的小伙伴要是发现她还在别处欺负人，可以给我发邮件macshen@alum.mit.edu,我会确保cruise的hr和管理层知道她在pony做过的恶心事，教她做人。

直到现在pony都没有对数据造假的“调查”结果，就连“调查”进展的update都没有，我后来听同事说我向楼天城举报这件事后不久，pony内部就有人造我的谣，这些人可能除了造谣，其他真的不会什么了。没有对比就没有伤害，我离开pony以后经校友介绍去了Dexterity，一家stanford出来的B轮startup，是warehouse automation这个赛道估值最高的一家。D厂最吸引我的是公司文化，transparency和人才密度，每周的all hands公司的管理层都会把所有业务和决策信息跟所有员工分享，我们算法组的基本上都是mit和stanford的phd，都是既聪明人又nice的小伙伴。我跟D厂的founder面试的时候也提到了我在pony的遭遇以及对startup文化方面的concern，他当时非常坦诚地跟我share了他的insight，我认为非常有道理，大致跟上回的一个跟帖表达的意思差不多“有一个很重要的判断标准，就是公司的财务状况。财务状况好的公司不一定好，但财务状况差的公司一定差，Pony的黑化也是跟财务状况恶化关系很大，很多脑残决策是因为高层想钱想疯了，越焦虑越容易出昏招。”

有点点遗憾，我最近决定离开D厂跟小伙伴一起创业了，不过非常推荐大家考虑加入Dexterity。去年离开pony以后赋闲的时间一直在考虑L4/5自动驾驶和AGI的问题。当时跟几个大神小伙伴讨论以后对这些问题有了很深的认知。我在去年chatgpt出来之前就在朋友圈里预言openai的下一代LLM出来的时候狗厂就该急了，过了三个月应验了。同时也讨论出了解决L4/5 planning大规模落地的最promising技术路线，就是multiagent RL，过了俩月，Cambridge出来的一家自动驾驶startup发布了最新的进展（https://wayve.ai/blog/evaluating ... e-simulated-worlds/），技术路线跟我们的想法基本一模一样。这些都是意料之中的事情，deepmind的founder在07年的paper中就给出了一种关于universal intelligence的数学定义（https://arxiv.org/pdf/0712.3329.pdf），指出预测未来的能力是passive environment下的universal intelligence，对应于Solomonoff induction, 而RL则对应于active environment下的universal intelligence。

在跟人讨论这些问题的时候我也发现一个普遍规律，就是越是水平高的人，比如我的同学和lab的师兄们，顶校ai/nuroscience方向教授和phd们，图灵奖大佬，越容易达成共识，讨论完后对问题有了更加深入的认知；水平次一些但是有较强逻辑思维能力的人，比如大厂的MLE，头部基金专门看ai/自动驾驶领域的投资人，在纠正了一些认知偏差之后也能够达成基本的共识；最难以交流的是水平差距很大的，因为本质上，创造价值的过程就是熵减的过程，熵是可能性数量的量度，世界上有很多像我manager那样靠着social engineering skill混上一个与其能力不相匹配的位置的火鸡们，这些菜鸡们各有各的菜法，他们聚在一起往往是一个互相confuse，形成各种misconception的过程。公司体量一大，人才密度下降，再也难以作出impactful work也是这个原因，people management的成本已经高于了这些人创造的价值。我在pony的最大收获莫过于理解了保证公司文化和人才密度的重要性。

OpenAI和deepmind能做出各种groundbreaking work，而其他厂根本follow不上的原因也是因为其极高的人才密度，我在学校的时候就听说有人放弃了cmu计算机系的教职选择加入OpenAI。事实证明，ilya大神早在六七年前做sequence2sequence model的时候就想清楚了实现agi的一条最佳路径，而直到chatgpt release之后，国内学术界的绝大多数，包括不少清华计算机系和叉院的教授，仍然没有意识到agi时代已经到来。我最近在与几个对agi问题非常有insight的学者组建agi学术讨论小组[名字暂定为科学边界【doge】？]，在这里扔几篇paper供大家参考，对这些work有一定理解并对agi的技术路线或其对人类社会未来发展形态的social impact有独到见解的欢迎联系我交流讨论。

1. Universal intelligence: https://arxiv.org/pdf/0712.3329.pdf
2. Foundation model: https://fsi.stanford.edu/publica ... s-foundation-models
3. Language models as agent models: https://arxiv.org/abs/2212.01681
4. AGI alignment: https://arxiv.org/abs/2209.00626
5. Ada agent: https://arxiv.org/abs/2301.07608
6. AI of brain and cognitive science: https://arxiv.org/pdf/2301.08382v1.pdf
【7】Sam Altman的万物摩尔定律: https://moores.samaltman.com/

Waymo -> Pony -> Cruise
然后性别还是她
这个linkedin一搜就能找到了。
你前mamager：你干脆把我linkedin发出来得了

“这些菜鸡们各有各的菜法，他们聚在一起往往是一个互相confuse，形成各种misconception的过程”

哈哈哈哈哈哈哈，made my day

Never work for Chinese companies period

在跟人讨论这些问题的时候我也发现一个普遍规律，就是越是水平高的人，比如我的同学和lab的师兄们，顶校ai/nuroscience方向教授和phd们，图灵奖大佬，越容易达成共识，讨论完后对问题有了更加深入的认知；

感同身受
和认知度低的人交流时，会发现对方一直和你抬杠，而不是在和你交流看法

谢谢楼主分享。希望楼主未来好运不要碰到职场毒素了。
其实有点希望楼主单开一个分享/答疑帖子，聊聊AI的发展。比如我一直好奇狗家既然拥有deepmind这么强的研究机构（虽然原先的研究重心不在LLM），如果需要的话多久可以赶上OpenAI目前的水平，目前看上去这么被动是不是暂时的

蹲一个 AGI的后续贴

谢谢楼主提供的信息，会持续关注，希望有机会能交流~

人才密度 + 文化 = 产出
狗家的人才密度不低吧？五七干校的人才密度不低吧？

XD看你也是MIT毕业的，这个叫harassment，不叫PUA，公司不会把“不准PUA”写在政策上。

drmindle12358 发表于 2023-2-6 21:33
人才密度 + 文化 = 产出
狗家的人才密度不低吧？五七干校的人才密度不低吧？

狗家有多少人？
人才密度而不是人才数量。。。

感谢分享，写的太好了

自动驾驶行业里这样的垃圾太多了

.--所以大家没入这行的，还是谨慎点
已经入这行的，如果遇到老板或者公司pua你，不要怀疑是自己的问题，也别想着股票还没拿完(这行现在基本没上市的都属于估值虚高且过高，而且不敢上市，一上市就是见光死), 赶紧跑！