大模型已经淘汰 NLP 工程师了吗？

来自：DataFunTalk

• 怎么样才能快速上手工作？
• 如何判断什么方向更适合我？
• 什么方向更有前景？（CV、NLP、搜推广、供应链等）
• 该如何选择未来的职业方向和如何更快速成长？（跟随潮流还是坚持一个方向）
• 业务总是在变化，导致无所适从怎么办？（领导、同事一直变化）
• 行业、公司动荡，该怎么面对？（裁员、业务调整）
• 如何与领导、同事处好关系？
• 如何在高强度工作的同时、保持不断学习的状态？（使得技术能力或软实力有精进）

• 按技术方向：NLP，CV，语音，机制策略，AIGC，……
• 按类型分：搜索/推荐/广告，算法工程，架构，数据研发，产品，运营……
• 按行业分：短视频，电商，社交，本地生活，娱乐，出行，云计算……

• 如不喜欢偏工程类（代码），可做策略设计、数据研发或产品运营；
• 若不喜欢与人打交道，可做算法工程和架构；
• 既对技术感兴趣，也想与业务结合，那可尝试做搜推广的算法工程师。

• 若有些同学非常善于写代码，但不太善于与人沟通，则适合做偏技术类的岗位，不太适合做产品和运营的岗位；
• 若一些同学技术较强且业务感知很好，则相对于纯算法领域的工作，偏策略的工作可以更好地发挥自己的价值。

• 个人能力再强，所做工作也非常有限，一个领导者带领团队可创造更大的价值。
• 某个业务的工作需要很多链条（如产品、运营、算法、架构、数据工程等）的同事协同完成，因此需要锻炼协调沟通的软技能。

02
职场各阶段重点

• 是需要习得生存能力？
• 还是需要解决你的不安和焦虑？
• 还是已经能够做好一些事，但瓶颈明显需要加速生长？
• 还是已经有了很好的基本盘，但需要更大的舞台去迎接更大挑战？

• 该阶段面临核心挑战为生存问题，即“如何能让自己在职业环境下能够生存下来”；
• 生存的资本：对于具体待执行的工作，可高效推进执行。通过绩效考核，从一个学生变成一个合格的社会人。
• 保质保量地完成领导交代的工作。
• 事事有反馈，执行力强，保证时效性。
• 无需花费大量时间精力了解高大上的方法论和概念。

• 算法工程师、架构、数据研发等都可有意培养产品和运营思维，对工作知其所以然。
• 如数据研发可思考开发的特征、选取的样本的原因。
• 架构可思考公司为何对召回的素材、商品或视频进行过滤等逻辑的处理。

• 精通某一领域，让专业能力成为职级跃升和跳槽涨薪的买单项。

• 向上一级看问题，理解技术规划、模型选型、项目排期、人员分工的内在逻辑。
• 不能有技术完全至上的思想，要有“技术为业务服务”的意识。
• 从不同的角度来助力业务结果的达成，是该阶段突破瓶颈的一个关键，这也是如阿里P7晋升时常见问题。

①核心挑战：突破瓶颈（P7-P8）

• 是否能够真的把自己的一线业务能力从“精良”做到“超级专精”，从而让自己能够成为该领域内的头部，获得最大的势能；
• 是否能够在执行力和一线业务能力已经还不错的情况下，还能够习得和掌握一些“底层逻辑”，从而大大提升自己的成长速度。

② “精良”和“超级专精”的区别

• “头部法则”始终都在发挥着作用，一旦成为一个领域内的前5%，会获得该领域内最多的红利，非常多的资源都将会自动向你倾斜。
• 马太效应存在于多个领域，如人类社会的财富是向少数人聚集，电商流量向少数头部的商品聚集，短视频里的流量向头部热门的视频聚集等；
• 马太效应的存在，意味着当你往上每提升1%，可获得的回报不止1%；所以我们做这个事情是超级有价值的，因此，一定要做到领域内超级专精。

③底层逻辑

• CTR 预估，如在电商场景下，目的是将用户点击率和购买率最高的商品放到最前面，从而提升该次曝光展现的商品列表页里的整体期望购买金额或期望成交单数。
• 推荐的新颖性。做推荐算法的时候，不仅要做点击率预估，还需考虑如何把推荐的素材（商品类别或视频、短视频的类别），需要考虑其新颖性，从而提升用户的停留时长，用户的完播率、翻页率、点赞率、关注率等。
• 运营规则。做技术的同学可能会觉得偏运营、偏产品的工作缺乏技术含量，但我认为这种观念是偏颇的。运营其实更接近于商业的本质，真正在一个公司做到顶层还是运营、产品、财务出身的同事偏多。做技术的同学了解运营规则，了解制定打法的底层逻辑，将有助于拓展自己的职业发展空间。

• 如在分配工作时如何给具有抵触情绪的同学安排工作？
• 遇到困难，如何安抚大家的情绪？
• 如何去保持团队的战斗力等？

• 跟对人：跟着一个眼界、格局、视野、能力都非常出色的老板，从其言传身教中持续学习；同时，通过工作与领导建立信任，自己的成长帮其分担更大的职责，跟随他一起成长。
• 做对事：选择永远比努力更重要。
• 选对领域：进入到大公司核心业务部门，从而系统学习大公司内部最核心、也含金量最高的一整套工作方法和业务流程。

• 提高自己的专业技能；
• 加深对所在细分领域的理解深度；

• 补齐算法、架构、产品、运营思维能力；
• 软技能：管理学、心理学……

• 一个方向侧重于“广”，着眼于技术的整体性、架构性和业务解决方案，对标“架构师”。
• 一个方向侧重于“专”，着眼于某个专项技术的深度、专业度和精细度，对标“某领域技术专家”或“科学家”。

• 技术管理者，某个大技术体系或整个技术部的负责人。

• 通常从工程师到技术团队的一线经理，再慢慢做到部门负责人。
• 若同时管理产品、设计等所有“产品交付”类团队，就成为了一个常规意义上的CTO。

• 业务管理者，往往负责一个完整的业务，不限于管理技术类团队，类似该业务的CEO或GM，需要关心业务经营的各方面。

• 业务管理者很多来源于技术管理者，这相当于有由点到面的职场跃升；

• 不要挑工作，主动承担更多的工作（无论初级还是高大上），在不断累积工作经验和能力的同时持续思考；
• 对标优秀的人：见贤思齐。学习各领域优秀的人的做事方式和知识体系，有助于完善自己对行业领域的理解和认知。；
• 定期与上级1 on 1：即与领导一对一的交流，建立良好的沟通机制。

• 表达对当前阶段的工作理解，尝试给出可让工作效果更好的想法；
• 争取和上级、导师或信赖的同事面对面的沟通，寻求他们的点评，逐步地让自己的思考更靠谱和更有效。
• 充分信任领导。从领导层面，由于你是其工作的帮手，通过沟通了解你的工作状态和期望，会为你争取资源，从而使得整个团队业绩更优。

• 在接到任务时，习惯思考‘我为什么做这件事情’，避免类似初入职场时无脑接任务并执行。
• 目标导向，如写日记周记，并定期回顾。
  如思考自己过去一段时间所做工作的过程，是否紧密围绕着目标前进？是否只是在形式化的做一件事情偏离了本质？哪些动作是对的哪些是错的？
• 争取做自己擅长的事情，发掘自身优势素质，并不断验证，“弥补自己的缺点”，更重要的是扬长避短。

• 技术发展确实很快，最近大模型在颠覆很多行业；
• 但技术发展再快，仍然是依托于业务。通过加深业务的理解，提升竞争力，来抵消技术进步太快的风险；
• 同时，对最新的技术还需了解一些，保持跟进。

• 短期内不会；
• 不同于OpenAI可抓取大量开源领域的英文世界的数据；国内发展大模型所需的数据没有很多，尚未打通，因此需要一个过程。

• 形式上可以很随意，如约他午餐、晚餐或咖啡等；
• 不要惧怕上级，你是他工作的助手，他是你工作的帮手。

• 大模型未来会显著地改变很多行业；
• 如它会改变搜索和推荐的一些范式。当前搜索商品需精准输入想要的东西，而基于大模型，可输入意图（预定到某地的行程），即可给到整套方案（交通工具、酒店、餐饮）。

• 当前大环境下，卷是常态。过去整个行业在快速发展，内外部机会较多。当前相对会更焦虑，卷的现象就会更突出。
• 卷的同时保重身体，身体是革命的本钱；
• 有意义地卷，以提高自身技能为目的来卷，而不仅做重复性劳动。

• 算法转产品是一个不错的方式，由于了解相关技术，做过算法的产品经理在与程序员沟通时更顺畅；算法工程师的逻辑思维能力较强，转产品更有优势；
• 具体路径，内部一般都有转岗活水的组织机制。

• 若要跳槽，需要准备简历；
• 若不跳槽（受限于户口等），需在内部寻找转岗的机会。

• 单纯时间付出多是不够的，并不是靠堆时间就可达成跃升。
• 需脑力付出多。多思考、多交流（与领导、同行或跨行专业人士）、多模仿（思维方式、行为方式）。

今天的分享就到这里，谢谢大家。

分享嘉宾

INTRODUCTION

赵宇

京东零售

算法专家

北京大学博士，加州大学洛杉矶分校访问学者。就职于京东零售搜索算法部-搜索排序部，负责流量调控和流量探测方向，设计研发了京东搜索流量调控系统(登月系统)、商品探测系统(探月系统)、百亿补贴助力系统，负责搜索新品流量分发、百万商家流量分发的方案设计和研发，带来显著业务价值。曾就职于阿里妈妈精准定向团队。发表高水平论文3篇，申报发明专利14项。