正是秋招进行时，我虽然不是互联网大模型行业专家，但是也接触过很多的实习生，想从互联网行业从业者的角度给大家提供一些互联网秋招/转正tips。
一、提前发现问题
大模型训练是一个非常工程化的任务，数据、框架、算法、推理环环相扣，某个环节出问题会导致极大的资源浪费，所以问题发现能力至关重要。之前有个实习生接手20万条对话训练数据处理，没直接标注，先花时间分析：
1. 查出18%的样本存在上下文语义矛盾，60%是单轮对话，不符合我们多轮对话模型的训练分布要求；
2. 接着提出用xxx的方案，小范围测试后，数据可用率从45%升到82%，减少了58%的算力浪费。
二、把事盯到底
互联网大模型项目节奏快，环节又多，所以实习生能主动把事情盯到底、同步清楚，会特别省心。之前有个实习生每天下班前都会主动同步进度：
• 今天测了5组Prompt模板，最优方案准确率85%，比基准提升12%；
• 现在遇到个问题，长文本推理时显存超了20%，明天计划测试4-bit量化和Prompt剪枝两种解决办法。
三、对接业务
AI都要落地才能体现价值，光会写代码、调模型不够，得知道算法怎么帮业务提效。之前有实习生做电商推荐做了很好的业务分析：
1. 主动去看业务端的用户行为数据，发现用户实时浏览记录对推荐效果影响很大，提出了xxx的策略；
2. 后续AB测试验证，这个策略让推荐点击率提高15%，转化率涨了9%，真正帮业务实现了增量。
四、复盘总结
互联网大模型迭代速度快，今天踩的坑要是不总结，明天可能还会犯。实习生能及时复盘，不仅自己成长快，还能帮团队少走弯路。比如有个实习生的分析总结：
1. 把10组参数组合的测试结果整理好，还总结出核心规律——当样本情感模糊度超过60%时，学习率要是大于0.001，模型准确率就会掉10%以上；
2. 他把这个写成简单的复盘笔记，后面再做类似的参数调试任务，团队试错时间直接少了50%，效率提高65%。
最后，运气也很重要，比如转正/秋招也要看同岗位的竞争者实力，或者公司的硬性要求等，解决办法只有更多的捕获信息和多投递～
#ChatGPT #大模型 #openai #秋招 #实习 #转正 #校招 #ssp #算法实习生 #大模型实习生
一、提前发现问题
大模型训练是一个非常工程化的任务，数据、框架、算法、推理环环相扣，某个环节出问题会导致极大的资源浪费，所以问题发现能力至关重要。之前有个实习生接手20万条对话训练数据处理，没直接标注，先花时间分析：
1. 查出18%的样本存在上下文语义矛盾，60%是单轮对话，不符合我们多轮对话模型的训练分布要求；
2. 接着提出用xxx的方案，小范围测试后，数据可用率从45%升到82%，减少了58%的算力浪费。
二、把事盯到底
互联网大模型项目节奏快，环节又多，所以实习生能主动把事情盯到底、同步清楚，会特别省心。之前有个实习生每天下班前都会主动同步进度：
• 今天测了5组Prompt模板，最优方案准确率85%，比基准提升12%；
• 现在遇到个问题，长文本推理时显存超了20%，明天计划测试4-bit量化和Prompt剪枝两种解决办法。
三、对接业务
AI都要落地才能体现价值，光会写代码、调模型不够，得知道算法怎么帮业务提效。之前有实习生做电商推荐做了很好的业务分析：
1. 主动去看业务端的用户行为数据，发现用户实时浏览记录对推荐效果影响很大，提出了xxx的策略；
2. 后续AB测试验证，这个策略让推荐点击率提高15%，转化率涨了9%，真正帮业务实现了增量。
四、复盘总结
互联网大模型迭代速度快，今天踩的坑要是不总结，明天可能还会犯。实习生能及时复盘，不仅自己成长快，还能帮团队少走弯路。比如有个实习生的分析总结：
1. 把10组参数组合的测试结果整理好，还总结出核心规律——当样本情感模糊度超过60%时，学习率要是大于0.001，模型准确率就会掉10%以上；
2. 他把这个写成简单的复盘笔记，后面再做类似的参数调试任务，团队试错时间直接少了50%，效率提高65%。
最后，运气也很重要，比如转正/秋招也要看同岗位的竞争者实力，或者公司的硬性要求等，解决办法只有更多的捕获信息和多投递～
#ChatGPT #大模型 #openai #秋招 #实习 #转正 #校招 #ssp #算法实习生 #大模型实习生
