Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
很少我们会遇到一个机会就是他寄心
所以说他把大家的起跑线
其实几乎都拉到一丁一样了
但是更重要的是这就是一个特别大的一个空间
就是是一个未来的技术
真的就是一天一小时一个半时一个月的时候
你就能走到人群中的前10%吧
那why not
em echo一下肯奈表说的
就是大家又被拉到了一个接近的起跑线上
你只要在这个起跑线上现在抓住他
再往前跑几步就可以了
好了
最后一个问题
现在做数据做算法的同学
希望是一个有两年老算法经验的人
和一年两年的这种大模型经验的人去做
然后你希望那些知情算法的人
他们去学大模型的时候
这是一个必要的事情
不是一个科学上可不学的事情
或者说是一个非常critical的事情
因为有足够多的新的场景
是被大模型enable的
且你也说了一些具体的要求
就是这个要求不一定要很高
对吧
你可能上一下android asset课就够了
对你可不可以再跟他讲一下
好呀
我觉得首先呢
今天不管你是不是算法工程师
你只要在互联网这个领域
或范的科技TMT的领域
我觉得对于从业的同学来说
掌握大模型的应用成为一个
至少你能经常用它
我觉得本身对你的工作效率的提升
对你长期的竞争力等等
都是有比较明显的好处的
所以我会想要推大家去更多的去做一些实践
哪怕是学习和实践
然后呢
如果你正好是工程师
那我又会觉得掌握大模型相关的开发能力
又是对你在未来的职业发展中会比较重要
不管你是今天是算法还是其他的方向
叫做如果在一个命题下
叫做对于任何一个科技从业者
如何在一个月内快速入门大模型
使得让你能够接近得到一个大模型应用的公司的offer
以这个命题和优化目标来说的话
我觉得有几件事情
你是立刻马上可以做
而且其实门槛没有那么高
哪怕你是比如说学文科出身的
我觉得其实都好弄
就第一个
我觉得是基础的知识上
比如说Transform的架构
Diffusion的架构
它的什么attention的机制
然后encoding decoding
这些你大概的框架
大概听个三四小时的课
然后看一些中文博主的一些
比较偏感性的框架类的介绍就可以了
你不需要真的自己知道怎么做一个pre-chain
我觉得那个不关键
然后最关键的技术架构
有一些感性的认知就可以了
然后我觉得比较重要的是
你能够自己去上手实践
去做一些具体的工作
namely我觉得prompt engineering
有手就行
一定要做
你最好能做一个小的
比如说你自己做一个小的plugin
然后最好能调用一些公开的接口
然后自己做一个
写一个不少于500行的
或者500字的prompt
然后让它来实现一个特别具体的功能
然后控制它的边界
并且自己要能evaluate它
自己能产生出很多的testing的dataset
来保证它有的时候是
它绝大多数情况是好用的
而且你要靠这些testing的datasets
能够detect出哪些场景
它可能会有hallucination
有些场景它解决不了等等
对吧我觉得这个也是重要的
然后rag
我觉得是一个非常常见的好用的东西
所以你得自己试试
然后像什么sft和rlhf这些
没有机会和场景
或者没有配置条件
我觉得就算了
但是如果你可能的话
搞一个什么LAMB2,LAMB3,7B的模型
本地的
然后稍微把它尝试去翻译通成一个中文的
能讲讲笑话的
能够比如说跟你聊聊天的一个数字版的你
或者等等
我觉得这些没那么复杂的
带一点点的coding的东西
如果你是理工科出身
然后写过一点代码
我觉得会建议你去弄一弄
然后再往上
我觉得把多姆泰的模型稍微适用一下
不管是4o还是GM9
你大概能知道
比如说纹身图,图身图,视频,视频
声视频等等这些的框架和大概的应用
大概是怎么样
然后去搞个账号充点钱
然后大概去画一画
然后知道说他哪些能用哪些不能用
对吧
然后在这个基础上
我觉得可以涉足一下尝试去build一到两个agents
然后让这两个agents之间能够相互调用
然后看看比如说planning的能力怎么弄
他们如何能调用工具
是不是能达到你一定的推理能力
比如说推理出你的意图是什么
然后在不同的意图下调用不同的agents
但同时还要能保证他的memory是可持续的
并且memory最好不是那么短的
他可以有一些memory的update等等
我觉得在buildagents的过程中
如果能试用一些多姆泰的能力
我觉得就已经非常好了
所以整个东西加起来
我自己觉得你可能比如说平时工作不算太忙的话
每天抽个一个一个半小时
然后搞个一个月
我觉得你已经可以是比较prepared的状态了
你的简历中也许就会有一个小的项目叫做
我build了自己家for家里人的一个什么笑话机器人
对吧
然后他还可以识别我是谁
他能讲笑话
然后他能知道我家的重要的一些schedule
他还能在合适的场景下提示
我们每个人有一些对应的schedule
比如说提示我爷爷奶奶要吃药
提醒我每天要运动等等
我觉得一些基础的功能能做到
我觉得就已经非常好
然后这个行业其实也才两三年的时间
就抛开以前做那些NLP
做对话机器人的那些专家们
这个行业可能也就一两年两三年的时间
所以你要是有兴趣往这个方向做的话
其实门槛并不高
然后学的快一点
然后时间多一点
我觉得都是比较significant的一些优势
对
所以我会建议大家去弄一弄
然后弄的过程中你会一是知道这东西是怎么弄的
然后很多知识经验practice都有了
而且你会很清楚的意识到说
有些事情它确实是做不到的
没有那么神话
然后也想要扣一下这个点
很少我们会遇到一个机会
就是它寄心
所以说它把大家的起跑线
其实几乎都拉到一丁一样了
你之前你一个一年的算法经验
和一个十年的算法经验
天差地别
效果天差地别
或者说薪资前差地别
能找到机会前差地别
现在大家都在一个起跑线了
但是更重要的是
这就是一个特别大的一个空间
特别大的一个场景
就是一个未来的技术
所以说我觉得就是
如果你这个时候再不去
多花点时间去学习
把你挤在这里边
其实你不需要
真的就是一天一小时
一个半分时一个月的时候
你就能走到人群中的前10%
我不敢说1%
但10%肯定是可以的
why not
是的
这一点我想再echo一下
比如说从我这个用人单位的视角上
我想去招聘一个
在广告营销领域
有一些比如说算法经验的同学
然后最好他还要跟我一起build agents
这个时候对我来说
你想如果我有两个选择
一个是工作了10年的广告营销的专家同学
但是他没有大模型的经理
另一个是比如说
只在广告营销领域可能干了两年
但是自己可能做
大模型的一个side project
可能也就做了半年
对我来说
其实招聘这位10年的同学的价格
可能是那位同学的三倍
甚至更高
因为他在过去的方向上积累了足够多
并且他的职举经验
他可能在广告营销领域
他就是值那个钱
但是在我的视角上
我可能不需要在那个领域做得那么神
而是需要有一个派字形的方向
所以我的选择可能是招这个方向的同学
然后招三个
有可能三个臭皮匠可以顶得住个量了
而且新的方向上
我可能更愿意去招一些比如说年轻高潜的
然后有这种自屈的
自己去研究的同学我觉得会更好
我现在越来越不对一个
在一个垂内领域有了很多
甚至过多overqualified的这种人才进行买账
尤其是我创业公司确实预算也有限
对吧
所以大家可以想象
如果我是这样的一个心态
对于这个世界上绝大多数的中小公司
大家可能招人的
就hieromanager也会需要的是一个这样的一个profile
所以echo一家肯奈表说的
大家又被拉到了一个接近的起跑线上
你只要在这个起跑线上现在抓住它
再往前跑几步就可以了
然后我自己之前有很多波大的方向
比如说什么元宇宙
WF3什么ARV
然后再早之前是共享经济等等
我一个都没有抓
但我自己会觉得大模型能带来的未来的
计划推力和agentic workflow的方向
我觉得确实是既能提升人类的上限
也能提升人类的下限
我觉得确实是挺promising的一个方向
所以想推荐大家去试试
同意
对之前的那些只是一个
我都没有觉得是个真的东西
但是一出来很明显就是个真的东西
而且这么多经历和实际的应用
已经告诉大家了
这就是一个真的东西
是一个非常值得抓的
对以及我们这里强调一点
就是我们那个客的名字就叫
from users to builders
你在这里一定要做一个builder
你才有可能抓到这个机会
user是抓不到的
对这真的得亲手实践
你整天跟那个chat gpd对话
我觉得这个没有用
得要做得更深一层到两层
但也其实没有那么复杂
没有编程背景的同学
其实不用太害怕
就是 echo一下你那个三倍公司
就是现在他们差的三倍
可是那三倍就是一个赛班工程师
在赛班天下的公司
可是你在这个时候更重要的就是说
你进入了这个行业
你在这里边做了一些真的东西
你的简历两年之后
就从一个自己的个人的project
变成了一个在一个公司
做了一个真实的project
并且解决了真实的问题
你的简历会是一个非常值钱的简历
没错完全同意
完全同意
好呀好呀
感谢孙老板
感谢你的时间
我们找机会
还有很多东西要dip type
应该的
我们回头catch up
好了
好嘞
有这么几个好处
本来很多insights
只能在人类的营销咨询室
和人类营销的执行
比如说投手或者具体的交付的同学
在脑子里
现在我们都可以线上化
信息的线上化
知识的线上化
在未来就会有很多的运用场景
然后第二点
就是让人类可以减少一些context
交换context
交换信息的
减省这方面的时间
甚至能帮人类去做很多的automation
第三个收益是
当我们能足够好的
劝出这些agents
和agent workflow的时候
那么我们本来人类无法服务
或者是看不上的那些
小的小预算的
或者更早期的广告主
我们现在就能用
成本更低的agents和agent workflow来服务他们