TL;DR：
谁说进OpenAI必须得有PhD？小哥Keller Jordan告诉你：只要你的代码够硬、博客够干，大佬自会顺着网线来找你。别再纠结论文数量了，搞快点，把训练成本打到8美元，全世界都会为你转身！
在AI圈，简历的“含金量”通常是靠博士学位和顶刊论文堆出来的。如果你只有本科学位，且论文发表数为零，想进OpenAI这种顶级实验室？HR可能连简历都懒得看。
但最近，OpenAI的研究员、德扑AI之父Noam Brown在X上亲手“拆”了这个潜规则。他爆料称，一位名叫Keller Jordan的小哥，仅凭几篇开源博客和一系列亮眼的实验数据，就成功入职OpenAI担任机器学习研究员1。
这个消息一出，直接让无数在读PhD破防：合着我这几年的发胶和头发都白牺牲了？
技术大揭秘：这8美元的实验，到底贵在哪？
Keller Jordan的成名作是一个名为**「NanoGPT speed run」**的项目。
简单来说，这事儿的起因是特斯拉前AI负责人、AI圈“厨神”Andre Karpathy开源了一个极简的GPT训练框架NanoGPT。Keller小哥没想什么宏大叙事，他只专注于一件事：卷速度。
他不断刷新训练Transformer模型的Token效率，最后硬生生把效率提升了3.8倍。最让圈内人震惊的不是数据本身，而是他设计实验的“脑回路”：
- 极致精简：代码只有537行，甚至能跑在8×H100的“乞丐版”配置下。
- 白菜价成本：单次尝试的算力成本低至8美元。
- 不可作弊：每个log文件都包含代码副本，任何人想复现只需一键操作。
“在动辄烧掉几百万美金的AI科研界，Keller像是在法拉利赛道上骑着一辆改装过的二八大杠，还顺便超了车。”
这种把实验成本降到“人人可参与”的独创性，直接让Karpathy本人在社交平台上狂刷“Awesome”。这种可量化、可验证的“硬核成果”，成了他敲开OpenAI大门的敲门砖1。
行业“地震”：与其灌水论文，不如直接“开卷”
如果说NanoGPT speed run是开胃菜，那么他后来推出的Muon优化器就是正餐了。
在AI训练中，AdamW一直是“稳如老狗”的班长，但随着模型变大，这位班长也有点跑不动了。Keller设计的Muon优化器，核心逻辑是通过Newton-Schulz迭代对更新矩阵进行正交化处理。听起来很高深？通俗点说，就是给神经网络的参数更新换了个“流线型外壳”，让它在同样的资源下学得更快。
结果就是： Muon在多个任务中表现惊艳，刷新了多项训练纪录。
有趣的是，Keller在入职OpenAI后表现得非常“有个性”。他直言，虽然Muon火了，但他并不打算写论文。在他看来，现在的arXiv上充斥着大量的“虚假水文”，与其费劲巴拉写一篇会被淹没在故纸堆里的论文，不如老老实实优化代码。
“这种‘论文无用论’的底气，正是来自那些可以直接复现的代码仓。在顶级大佬眼里，能跑通的代码比华丽的排版更有说服力。”
未来预测：下一个“风口”是属于行动派的？
Noam Brown在分享中还顺带提到了其他几位“逆袭者”：
- Sholto Douglas：在麦肯锡工作时，靠在Jax的GitHub上提问打动了DeepMind大佬，现在是Gemini背后的关键人物1。
- Andy Jones：作为一名半退休的量化分析师，靠着严谨的消融实验和GPU加速环境设计，入职了Anthropic1。
这些案例传达了一个极其明确的信号：AI领域的“人才准入门槛”正在发生微妙的漂移。学历固然是敲门砖，但“能解决实际问题的开源贡献”已经变成了直通特快的月票。
顶级实验室不再仅仅盯着你毕业于哪所学校，而是在看你的GitHub提交记录、你的代码逻辑，以及你是否能在有限的算力下玩出花儿来。
所以，别再对着空白的Word文档憋论文了，少年。不如去GitHub开个仓，万一哪天OpenAI的大佬就顺着Star爬到你的主页了呢？
引用
-
OpenAI大佬爆料：本科生靠一篇博客杀进OpenAI，没博士，0篇论文 · 36氪/新智元 · 新智元 (2026/2/25) · 检索日期2026/2/25 ↩︎ ↩︎ ↩︎ ↩︎