首页 / AI了,我在打一种很新的工
#

AI了,我在打一种很新的工

#
74194次浏览 1085人互动
聪明的打工人已经在用AI办公了!各位职场牛友快来分享下,你是如何在工作中应用AI来提高效率、解决问题的~快来交流下吧!
此刻你想和大家分享什么
热门 最新
不愿透露姓名的神秘牛友
05-09 00:50
已编辑
一个月转码之前端实习到什么程度才不虚此行
  楼主本人是25届毕业生,三月初才在某央企全资子公司开始第一段实习,刚来的第一秒钟就被直接带到工位上打开电脑发项目给我,喊我直接在某个tab中完善UI图,但其实楼主本人是一个代码能力基本没有/编程基本都靠Ai/转码一个月的超级无敌大彩笔,刚从黑马学Vue不过15天勉强懂一点前端结构。  背景提示:公司是做省里各种大型项目的,很多事业单位的系统/特殊单位的系统都是公司在做,公司基本不招校招生,所有项目都是面临紧张的上线周期。后面入职一个月才知道:对于实习生态度完全是上级指标要求,你哪怕真的做不出来东西都行,所以面试的时候问了问CRUD流程和有Vue和elementui基础吗就放我进来了.....  拿到项目那一秒钟人都是懵逼的,其实项目也才刚刚搭好框架不久😢,周期还算长,项目其实特别特别大,也是一个省里的项目。Mentor告诉我要做什么,看我能打开项目页面就直接走了...我抱着电脑找了二十分钟才找到要做的地方在哪里😢然后各种问Ai,当时还在用通义千问来看代码,对着Ui图说需求并且反复问ai怎么改代码就基本一天,才大概非常不还原的还原了UI图(实际上做的非常烂),当时连CSS基本都不会调,甚至连简单的盒子模型,内边距外边距也不会看,当初学习的时候全是二倍速看过去的,完全是似懂非懂只是有个概念而已,自己上手改代码屁都不会。  第一天过完非常焦虑感觉自己完蛋了,甚至想辞职感觉自己就是一个非常糟糕的人,但是秉持着破罐子破摔的态度,在网上找那些好用的编程ai,后面发现了Claude才缓和了我尴尬的现状,虽然基础不牢但是把ui和代码喂给它,还是能做的比较像的。当时整个项目需求就是把前端静态页面写出来就好,后端都还在对需求和开发接口,所以楼主每天和ai斗智斗勇,比如这个盒子大一点那个按键小一点...这样诡异的过程也还算做的勉强可以最后用上了Trae之后才是真的有点感觉很爽了,把要求的静态页面基本都能按要求做出来。  三四天完成需求后,就没喊我继续往下做也不给我派任务,我就开始疯狂的恶补前端基础知识,CSS和JavaScript,Ajax以及Vue更多的内容。上班学下班学,才渐渐对做的东西大概了解。要注意哪些...  后面接到新的任务,也是完成其他路由下面的tab界面内容,可以做到基本还原ui,就开始对着自己的静态页面沾沾自喜。其实页面主要都是表格/echarts数据展示,也学会用git,自己也是拥有了第一次多人项目的经历  这段时间时间空下来了就开始背八股找工作,手撕是一点不会手撕的,完全不刷代码题因为真的非常恐惧,很依赖Ai也没有这种算法思维,简单的程序都写不完整的😓  就这样边上班边背八股边学前端过了差不多一个半月,到四月上旬接到了第一个也是唯一一个Offer,薪资和地点都很满意也超出了我的预期,毕竟作为一个超级水笔当时已经焦虑到幻想自己失业/二战的场景。  四月中旬,拿完Offer后实习单位这边开始推进度,我负责的页面开始对接口。其实也是全交给AI做...要用哪些选择器,该传哪些参数,怎么传,然后拿到返回来的数据叫Ai做数据适配,也算是第一次把自己的页面动起来,当时真的非常感动。后面就是不断优化,做懒加载,做复杂弹窗,二级弹窗的数据适配。帮Mentor对不是我写的界面的接口,和三个后端大哥对接,然后天天被测试追着完善效果,由于一开始没有直接和后端对接,很多要传的参数可能不到位,监听没做到位,导致效果不匹配😢  五月回来,开始在新的路由里面写新的界面,由于还要联动地图的效果😢开始做需要提交和展示的表单项,也是帮Mentor搭好界面框架,他做复杂的我做简单的。对着原型图直接就是干,开始问产品业务逻辑。  准备干满这个月就回学校了,其实我一直不知道大厂中厂的前端实习生都要做到哪些东西,也非常幸运能做到这种体量的项目,五月由于项目要应标交付第一阶段,而且人手抽不过来每天都很忙,所以每天都会干很多事情。每天就是和Ai互相学习,自己也感觉到Ai编程也是一个大趋势,但是也知道自己要学的东西还有很多很多。  也是想问问大家,在实习的最后一个月有什么需要多注意的吗?应该多问哪些内容呢?有什么东西是实习中更应该做到以后工作中踩雷能少一点的呢?需要记录哪些可以帮助自己以后的工作经历?还应该积极参与什么?   
点赞 评论 收藏
分享
01-28 11:12
门头沟学院 Java
点赞 评论 收藏
分享
03-24 21:13
已编辑
哈尔滨工业大学 产品经理
面试官:如何通过SFT优化大模型效果?
1. 明确优化目标   - 任务定义:明确模型需要优化的具体任务(如文本生成、分类、问答等)。   - 性能指标:确定评估模型效果的指标(如准确率、F1分数、BLEU、ROUGE等)。   - 数据需求:根据任务目标,准备高质量的监督数据。2. 准备高质量监督数据   - 数据质量:确保标注数据准确、一致且覆盖任务场景。   - 数据多样性:覆盖任务中的多种情况,避免模型过拟合。   - 数据规模:根据任务复杂度,准备足够数量的样本(通常数千到数百万条)。   - 数据格式:将数据整理为模型输入输出对(如 (input, target))。3. 模型初始化   - 选择预训练模型:根据任务选择合适的预训练模型(如 GPT、BERT 等)。   - 冻结部分参数:对于小规模数据集,可以冻结部分底层参数,只微调顶层参数。   - 学习率设置:使用较低的学习率(如 1e-5 到 1e-4),避免破坏预训练模型的知识。4. 微调过程   - 损失函数:根据任务选择合适的损失函数(如交叉熵损失用于分类任务)。   - 批量训练:使用合适的批量大小(batch size),平衡训练速度和稳定性。   - 正则化:通过 dropout、权重衰减等方法防止过拟合。   - 早停策略:监控验证集性能,避免过拟合。5. 评估与迭代   - 验证集评估:在独立的验证集上评估模型性能。   - 错误分析:分析模型错误案例,针对性补充数据或调整训练策略。   - 多轮微调:根据评估结果,进行多轮迭代优化。6. 高级优化策略   - 任务特定提示(Prompt Tuning):设计更好的输入提示(prompt),引导模型生成更准确的输出。   - 数据增强:通过数据增强技术(如同义词替换、回译等)扩充训练数据。   - 混合训练:结合无监督学习和有监督学习,提升模型泛化能力。   - 领域适应:如果任务涉及特定领域,可以使用领域内数据进行进一步微调。7. 部署与监控   - 模型压缩:通过量化、剪枝等技术降低模型推理成本。   - 持续学习:在实际应用中收集新数据,定期更新模型。   - 性能监控:监控模型在实际场景中的表现,及时发现和修复问题。             
点赞 评论 收藏
分享
不愿透露姓名的神秘牛友
03-26 22:52
点赞 评论 收藏
分享
面试官:大模型微调需要多少数据量?
1. 核心影响因素- 任务类型:- 简单任务(如文本分类):可能需数百到数千条标注数据。- 复杂任务(如对话生成、阅读理解):通常需数万条甚至更多数据,尤其需多样性和高质量样本。- 模型规模:- 大参数量模型(如GPT-3、PaLM)可能需更多数据防止过拟合,但通过策略(如参数冻结)可降低需求。- 较小模型(如BERT-base)可能在较少数据下表现良好。核心是数据质量:- 高质量、标注精准、多样化的数据可显著减少需求量。- 低质量数据可能导致模型性能瓶颈,需额外清洗或增补。领域差异:- 若预训练数据与目标领域差异大(如通用→医疗),需更多领域数据调整模型分布。- 训练策略:- 正则化技术(早停、Dropout、数据增强)可缓解小数据过拟合。- 迁移学习技巧(如Adapter、LoRA)可减少可训练参数量,降低数据需求。经验可参考范围- 常规任务(分类/标注):- 小模型(如BERT):1k-10k样本。- 大模型(如GPT-3.5):可能需10k-50k样本(结合领域适配策略)。- 生成任务(对话/摘要):- 通常需5k-100k+样本,依赖生成质量要求。- 领域适配:- 若领域差异大,需额外增加20%-50%数据量。产品经理的权衡维度- 业务目标:- 若需快速验证MVP,可接受小数据+低精度(如数百样本),后续迭代优化。- 若追求高精度(如医疗、金融场景),需预留足够标注预算。- 资源限制:- 标注成本:若数据获取昂贵,需优先优化数据质量或采用主动学习。- 算力与时间:大数据量需更高训练成本,需权衡ROI。- 替代方案:- Prompt Engineering:用少量样本设计提示词,可能无需微调。- Few-shot Learning:结合模型原生能力减少数据依赖。                 
点赞 评论 收藏
分享
面试官:AIGC落地场景的思考
在AIGC的落地场景中,作为AI产品经理,需从技术可行性、市场需求、用户体验、商业价值及合规性等多维度进行综合考量。[T - Technology 技术可行性]1. 当前AIGC核心技术成熟度:- 文本生成:GPT类模型已达商用水平- 图像生成:Diffusion模型可生成高清图片- 视频生成:基础能力具备,流畅度待提升2. 关键技术指标:- 响应速度:文生文<3s/篇,文生图<30s- 内容合规:已内置敏感词过滤机制- 输出稳定性:设置fallback机制保障服务可用[X - eXperience 用户体验]1. 典型用户痛点:- 设计师:创意素材产出效率低- 电商运营:海量商品文案撰写压力- 自媒体:日更内容创作瓶颈2. 交互关键设计:- 提供"生成-编辑-发布"完整工作流- 支持多轮次迭代优化(图生文/文修图)- 预设行业模版降低使用门槛[T - Transaction 商业价值]1. 成本节约测算:- 电商详情页制作成本下降70%- 广告文案产出效率提升5-8倍- 设计初稿沟通周期从3天缩短至2小时2. 增值场景:- 个性化定制(千人千面的营销内容)- AIGC+UGC混合创作模式- 内容资产沉淀与智能复用[落地场景优先级]1. 短平快场景(3个月内见效):- 电商商品自动上架解决方案- 社交媒体节日热点文案批量生成- 企业内部日报/周报自动化2. 战略级场景(6-12个月):- 跨模态智能创作平台(图文音视频联动)- 实时交互式内容生成(直播带货AI助手)- 企业专属知识库+内容生成闭环[风险控制]1. 质量保障:- 建立人工质检流水线- 设置质量评分淘汰机制- 维护用户反馈闭环2. 合规体系:- 内容版权溯源系统- 生成内容数字水印- 敏感内容实时拦截            
点赞 评论 收藏
分享
点赞 评论 收藏
分享
不愿透露姓名的神秘牛友
2024-09-06 22:24
通义灵码提高效率
投递完美世界等公司7个岗位
点赞 评论 收藏
分享
01-30 17:04
已编辑
门头沟学院 Java
OpenAI?
kkkkkkh:这个场面我见过,叫huawei
点赞 评论 收藏
分享
玩命加载中
牛客网
牛客企业服务