Flint8作品 AI时代：码农的涅盘重生全文阅读简介:AI时代：码农的涅盘重生最新章节 第211章 接受挑战(第1页/共2页)
AI时代：码农的涅盘重生 第211章 接受挑战(第1页/共2页)
****3*6*0**小**说**阅**读**网**欢**迎**您****
请用户自行鉴定本站广告的真实性及其合法性，本站对于广告内容不承担任何责任。
他坐在工位上，面前摊着一份手写的组织架构图。三个小组，二十五个人，三个Leader——推荐系统的老周，金融科技的小李，大模型的小陈。他需要在一个星期内完成和所有人的单独谈话，了解他们的工作状态、困难和期望。
他泡了一杯黑咖啡，打开笔记本，写下了今天的谈话提纲。
第一站：推荐系统小组，周浩。
周浩是个三十二岁的工程师，比林晨小三岁，在T厂待了四年。他技术扎实，话不多，是那种干活不用催的类型。但最近几个月，推荐系统的CTR提升遇到了瓶颈，周浩明显有些焦虑。
CTR的优化到极限了，周浩坐在林晨对面，语气平淡但有些无奈，目前模型的特征已经用了三百多个，再加特征对效果提升不大。我试了几个新的模型架构，效果都不如现有的DeepFM。
你觉得瓶颈在哪？
数据。周浩说，我们有行为数据、画像数据、场景数据，但缺少实时数据。用户现在的兴趣是五分钟前的，但我们推的是昨天的。这个延迟太大了。
林晨想了想：实时特征的问题，我之前在投资系统里处理过。延迟数据和实时数据是两个世界。你有没有考虑过流式特征？
考虑过，但工程成本太高。周浩摇头，我们需要一个实时特征平台，光搭建就要两个月。
两个月可以。林晨说，你出个方案，我帮你协调资源。
周浩抬眼看了他一眼，像是有些意外。你确定？这个项目之前报过，被驳回了。
那是因为之前没有总Leader推。林晨说，现在有我了。
第二站：金融科技小组，李婷。
李婷是个二十八岁的女生，北大硕士毕业，入厂两年。她聪明、干练、说话快，是那种永远在赶进度的人。
金融合作项目的进度在预期内，李婷打开她的笔记本电脑，调出项目甘特图，模型部分完成了70%，数据接口完成了80%，前端完成了50%。最大的问题是合规——金融产品的审批流程太长了，我们还在等证监会的批文。
批文什么时候能下来？
最快两个月，最慢半年。李婷叹了口气，这是不可控的。
不可控的就先放着，把可控的做好。林晨说，模型和前端都加速推进，等批文下来直接上线。
李婷合上电脑，犹豫了一下，林晨——啊不，林总，我能问你一个问题吗？
叫我林晨就行。
你做投资系统的那些经验，能分享给我们吗？比如风控模型、回测框架什么的。我们现在的金融模型还比较初级，很多地方需要优化。
林晨想了一下：涉及核心策略的部分不能直接分享，但方法论可以。我下周五安排一次技术分享，讲讲量化交易中的风控设计和回测验证。
太好了！李婷的眼睛亮了。
第三站：大模型小组，陈铭。
陈铭是林晨自己招的人——准确地说，是陈博士推荐过来的。他之前在另一个大厂做大模型，有两年经验，技术视野开阔，但有些眼高手低。
大模型微调的进度还行，陈铭推了推眼镜，但算力不够。我们现在只有四张A100，训一个7B的模型要跑三天。如果要做13B甚至70B，根本跑不动。
算力的事我来协调。林晨说，你先把7B的微调做好，效果验证过了再申请更多算力。
陈铭顿了一下，林晨哥，有个想法不知道能不能说。
我觉得我们现在做的微调太保守了。应该直接从预训练开始，做我们自己的大模型。微调别人的模型，天花板太低了。
林晨没有立刻回答。陈铭说的有道理——微调确实有天花板，但从零开始预训练的代价是巨大的，需要数百张GPU和海量数据。在当前的资源条件下，这不现实。
你的想法我记下了，林晨说，但目前我们的资源只够做微调。先把微调做到极致，等资源到位了再考虑预训练。
陈铭看起来有些失望，但没有反驳。
三场谈话，三个不同的问题，三个不同的人。林晨在笔记本上写下了几个关键词：实时特征、合规批文、算力瓶颈、预训练方向。
这些问题他以前也遇到过——在投资系统的开发过程中，算力不够、数据延迟、合规风险，每一个都是拦路虎。但那时候他只有自己一个人，没有团队，没有资源，靠的是一个人的硬扛。
现在不同了。他有二十五个人，有T厂的算力支持，有陈博士的信任。他要做的不是一个人硬扛，而是把所有人的力量拧成一股绳。
他拿起笔，在笔记本上写下：
AI应用中心一季度OKR：
推荐系统：上线实时特征平台，CTR提升3%
金融科技：完成模型和前端开发，等待合规审批
大模型：7B微调模型上线，效果超越基线10%
>>>点击查看《AI时代：码农的涅盘重生》最新章节