新智元报道 2026年的北美求职市场，正在上演一场荒诞的黑色喜剧。 据报道，一名普林斯顿博士，研究成果被诺贝尔物理学奖委员会引用，投出2300多份简历，依然找不到稳定的全职工作。 另一位康奈尔AI博士、斯坦福访问学者，手握Adobe、Meta、微软三家大厂实习经历，却在求职过程中被折磨得几近崩溃。 他们一个研究用AI解决化学难题，一个研究AI 后训练。 结果，两人都被2026年的就业市场狠狠上了一课。 被裁的大厂大牛，和手握顶会的博士，正在同一个池子里死磕。 更讽刺的是，当这些顶尖人才还在为一张Offer苦苦挣扎时，AI Agent已经大规模进入办公室，开始写代码、修Bug、处理企业内部事务。 所有人都杀红了眼。但在厮杀的沸水之外，最残忍的真相正在悄然浮现： 最能干的候选人根本没有投简历，因为Agent已经坐在工位上敲代码了。 近日，一位顶配背景的康奈尔AI博士（网名momo，Jinyan Su）用数万字的复盘，撕开了这场求职海啸的冰山一角。 证人入场：美国就业市场是一场「剧毒的强化学习」 先来看一个魔幻现实主义故事。 主角叫 Jack Weis。普林斯顿化学工程博士，2024 年毕业。 2022 年，他作为共同作者，在顶刊 PNAS 发了一篇用机器学习模拟水如何结冰的论文——能算到数十万个原子。 2024 年，这篇论文出现在诺贝尔物理学奖官方科学背景文件的参考文献第 39 项，就是 Hinton 获奖那次。 注意：他不是诺奖得主，也不是独立一作。但诺奖委员会肯引用，说明研究不是水货。 按老剧本，这种人要么继续做科研，要么进工业界搞 AI。 现实给了他一个更荒诞的数字：从 2024 年到现在， 2300 多份求职申请，依然没有稳定全职工作。 10 月 17 日，《华尔街日报》记者 Lindsay Ellis 报道了他这两年。 制药研发、国家实验室博士后，申请杳无音信。软件、咨询，泥牛入海。一路往下兼容，最后到一家卖冷冻蟹肉饼求职。 研究过复杂分子模拟的普林斯顿博士，结果连蟹肉饼的岗位都没拿到。 他投了两年。多数石沉大海，少数是自动拒信。最折磨人的不是失败，是你连自己为什么失败都不知道。 工作没有着落，生活不能停。 今年 1 月，他终于有了收入。一家初创公司以每小时 70 美元的报酬聘用他编写化学题目、为 AI 答案评分。起初每周工作约 20 小时，后来降到 4 小时。再后来，整周整周都没有任何工作。3 月中旬，他通过一条群聊消息得知自己被解雇了。 把视野拉远来看，这有点残酷。诺贝尔委员会审视了他的工作，从中看到了 AI 能够改变科学的证据，而迄今为止，AI 行业最想从他那里得到的，不过是几个月的答案。 他搬回犹他州盐湖城，住进父母家的地下室。 他没有彻底放弃：准备考 LSAT，考虑转法律；同时琢磨用无人机清除入侵杂草的创业。 而Jinyan Su，履历堪称AI圈的「顶配」。 她本科毕业于中国电子科技大学，2025年曾经赴斯坦福大学计算机系做访问学者，2026年拿下常春藤名校康奈尔大学的计算机博士学位。 研究方向也全部踩在当下最热的节点上：强化学习（RL）环境设计、大语言模型后训练（Post-training）、模型安全与对齐。 她曾在Adobe研究院、Meta FAIR部门，以及微软Copilot团队均有过实习经历。 但就是这样一位拿了「时代爽文」剧本的精英，在2026年的求职池里，照样被毒打得体无完肤。 据本人自述，这场求职之旅根本不是什么公平的人才选拔，而是一场 「极度充满噪声的强化学习」 。 她的研究方向就是强化学习，她太懂这个比喻的杀伤力了。 在AI的世界里，Agent做出一个动作，环境会给出Reward（奖励）或惩罚。Agent依靠这些反馈调整策略，最终通关。 但在求职这场游戏里，环境不仅是黑盒，而且带「剧毒」。 零反馈，是第一味毒药。 你投出了一百份简历，石沉大海。为什么？不知道。 你做完了一轮四十五分钟的电面，对答如流，第二天却收到一封冷冰冰的拒信。为什么？不知道。 是没有答对算法题的最优解？是系统设计没命中面试官的偏好？还是这家公司昨天刚刚冻结了HC（招聘名额）？ 没人告诉你。你只能在黑暗中疯狂试错。 高噪声，是第二味毒药。 面试的主观性，大得离谱。 据本人自述，她遭遇了各种匪夷所思的乱象。 有的面试官，在屏幕那头全程开小差，眼神游离。 更离谱的是，因为她写代码速度太快、思路太顺，有面试官居然毫无根据地怀疑她「作弊」，直接打了低分。 你的「实力」只占结果的50%。剩下50%，全看玄学和面试官当天的心情。 这种折磨，足以摧毁任何人的自信。被拒得多了，你开始怀疑自己的智商，怀疑过去五年的博士生涯是不是一场笑话。 但这恰恰是这场游戏中最致命的陷阱。 人在门外面试，Agent已经上班了！ 为什么环境会变得如此恶劣？为什