K60至尊版狂暴引擎2.0加持：超177萬跑分?jǐn)孬@性能第一
Redmi的后性能時代戰(zhàn)略發(fā)布會今天下午如期舉辦，在本次發(fā)布會上，Redmi公布了多項關(guān)于和聯(lián)發(fā)科的深度合作，以及新機(jī)K60 Ultra在軟件和硬件方面的特性，例如：“K60 至尊版，雙芯旗艦
國外的科技行業(yè)工作者，日子也并不好過。
在2022和2023年，全球的科技公司總共裁掉了超過40萬人。
裁員的公司幾乎囊括了科技行業(yè)中的各個賽道。
剩下的工作崗位，競爭越來越激烈。找一份技術(shù)工作，仍然是一場噩夢。
花費(fèi)數(shù)小時修改簡歷，再奔赴幾十場面試，招聘會成為了一場饑餓游戲。
如今在科技行業(yè)找工作，真心沒那么容易。
在過去的一年里，這個曾經(jīng)永不沉沒的行業(yè)，迎來了一次大清算。
根據(jù)追蹤科技行業(yè)裁員情況的網(wǎng)站Layoffs.fyi報道，2022年和2023年，全球科技公司裁員已經(jīng)超過40萬。
在裁員一年后，很多求職者仍然面臨著嚴(yán)峻的就業(yè)形式。在這個曾經(jīng)意味著高薪、豐厚福利的有保障的行業(yè)里，他們必須奮力廝殺，去爭奪變得更少的崗位。
在線就業(yè)市場ZipRecruiter的首席經(jīng)濟(jì)學(xué)家Julia Pollak表示，科技就業(yè)市場目前還沒有顯出任何好轉(zhuǎn)的跡象。
在新冠疫情發(fā)生以前，以及疫情期間，信息行業(yè)一直都在保持增速。
然而，在過去一年里，整個行業(yè)的工作崗位卻減少了2.5%。
這也就意味著，更多的人會在同樣的崗位上待更長的時間，晉升的機(jī)會也被扼殺了。
當(dāng)然，在傳統(tǒng)科技行業(yè)之外，政府和醫(yī)療保健領(lǐng)域仍然需要技術(shù)人員，只不過，這里的薪水不會太高。
Meta谷歌亞馬遜，裁員數(shù)萬
最近幾個月，Meta、谷歌和亞馬遜等大型科技公司，裁掉了數(shù)萬人。許多公司也隨之凍結(jié)了招聘。
谷歌，Meta，X（Twitter）3家公司從去年底到今年裁員就接近4萬人
Meta最近重新雇用了數(shù)十名去年11月裁掉的員工，然而，與去年秋天裁掉的1.1萬人相比，這只不過是杯水車薪。
而且重新招聘回去的人員，也要接受不同程度的調(diào)崗調(diào)薪。
今年，Meta又在專注于元宇宙的Reality Labs部門裁掉了1.2萬人。
在疫情嚴(yán)重的2020年，Meta曾經(jīng)大肆招人，以至于招聘的人數(shù)遠(yuǎn)遠(yuǎn)超過了所能承受的范圍，而Meta的員工們正在為此付出代價。
而且，裁員大潮依然還在科技行業(yè)全行業(yè)內(nèi)持續(xù)。
就在10月12日，芯片巨頭高通宣布計劃裁員1258人。高通在9月時共有約51000名員工，這次裁員的比例約為2.5%。
在這之中，高通的工程團(tuán)隊將裁員750多人，影響范圍包括從高管到技術(shù)人員等多個級別。
與2022年的支出相比，高通在今年已將成本基礎(chǔ)削減了約5%。而裁員，便是行之有效的措施。
每年，高通都會有數(shù)十億美元的營收。考慮到全球智能手機(jī)銷量的下降，業(yè)內(nèi)預(yù)計高通今年的營收可能會縮減約19%。
科技市場的長期低迷，正在滋長著一股焦慮。
9月的Grace Hopper大會，原本是為女性和non-binary的科技工作者舉辦的年度會議及職業(yè)招聘會，卻有一群看起來是男性的求職者蜂擁而至。
可見計算機(jī)科學(xué)專業(yè)的學(xué)生在完成學(xué)業(yè)、準(zhǔn)備找工作時，是有多么焦慮。
Kari Groszewska是范德比爾特大學(xué)計算機(jī)科學(xué)和經(jīng)濟(jì)學(xué)專業(yè)的大四學(xué)生，她也參加了這次Hopper會議。
當(dāng)她提前15分鐘到達(dá)博覽會大廳，卻發(fā)現(xiàn)與等著和公司交談的求職隊伍已經(jīng)排了幾個小時。
跟前一年相比，今年的形勢明顯非常嚴(yán)峻。這讓Groszewska感到非常沮喪，因?yàn)樗髂戤厴I(yè)，但現(xiàn)在還沒找到工作。
為了求職，Groszewska在學(xué)習(xí)計算機(jī)專業(yè)期間，做了一切「正確的事情」，包括自己做項目、爭取實(shí)習(xí)、參加俱樂部。
然而，即將進(jìn)入的就業(yè)市場，卻顯出了無比殘酷的一面。
而其他失業(yè)和無業(yè)者，都已感受到了巨大的壓力。
Nia McSwain學(xué)的是酒店專業(yè)，但她想轉(zhuǎn)行進(jìn)入科技行業(yè)，成為項目經(jīng)歷。
在過去一個月里，她從早到晚地投遞簡歷，大概每天要申請40個崗位。
全棧工程師Philip John Basile在5月離職了，從8月開始，他一直在找新工作。
過去一個月里，他平均每天都有3場面試，似乎有幾次已經(jīng)接近被錄取，卻始終沒有收到offer。
Basile主要通過LinkedIn和Discord來建立關(guān)系網(wǎng)。他從前認(rèn)識的許多HR都失業(yè)了，所以他不得不努力建立新的關(guān)系。
Basile還在利用空閑時間，研究現(xiàn)在那些火爆的AI工具，不斷調(diào)整自己的簡歷——從10頁減到2頁，然后又增到24頁。
現(xiàn)在工作機(jī)會，然而找工作的人更多。所以，Basile希望盡量做到獨(dú)一無二。
用他的話說，就是「如果要和一千個人競爭，你就必須在這一千個人中脫穎而出。」
裁員給在美國的外國務(wù)工者也帶來了很大壓力，在失去工作后，他們需要盡快找到下一份工作，才能留在美國。不過數(shù)據(jù)顯示，許多人都能在下崗后找到新工作。
而在緊缺的市場中，勞動力的供應(yīng)是充足的——截至7月31日，今年美國的H-1B簽證申請已經(jīng)提交了約78萬份。
這一數(shù)字比前一年增長了60%以上，以至于讓相關(guān)機(jī)構(gòu)不得不懷疑是不是有人在重復(fù)提交申請。
要知道，每年H-1B的發(fā)放上限，是85000個。
薪資中位數(shù)7.9萬刀，但小白免談
而職場小白想找到工作，也變得更難了。
勞動力市場分析公司Lightcast的高級經(jīng)濟(jì)學(xué)家Rachel Sederberg發(fā)現(xiàn)，招聘入門級員工的職位明顯減少，現(xiàn)在各大公司都傾向于招有經(jīng)驗(yàn)的員工。
這也導(dǎo)致了美國科技行業(yè)招聘崗位的薪資中位數(shù)從一年前的6.1萬美元，躍升至今年秋季的7.9萬美元。
Sederberg表示，很多公司在調(diào)整戰(zhàn)略，重組規(guī)模，然后重新招聘。現(xiàn)在，很多公司在招不同背景的人才。
有趣的是，ChatGPT也起到了一些作用：求職者在用類似的聊天機(jī)器人寫簡歷和求職信，這樣就能在更短時間內(nèi)申請更多的工作。
然而，這也給招聘人員帶來了一些困擾，他們需要更仔細(xì)地篩選。
產(chǎn)品經(jīng)理Kimi Kaneshina失業(yè)后，現(xiàn)在每天朝九晚五的時間都花在了求職上，之后還會上傳記錄自己求職過程的TikTok視頻。
她從7月就開始求職，在9月份投遞了更多的簡歷，然而三個月過去了，她還是沒能找到新工作。
盡管如此，這種轉(zhuǎn)變也給科技界帶來了積極的變化。
人們開始在LinkedIn和 TikTok上公開發(fā)布自己被裁員的消息，相互建立聯(lián)系，包括去聯(lián)系理想公司的員工。
由于被裁的人實(shí)在太多，談?wù)摬脝T也變得更容易接受了。
Kaneshina說：有HR告訴我，自己面試的求職者中，有一半都被裁員了。
現(xiàn)在，即使說出這種話，也可以不帶任何恥辱感了。
雖然就業(yè)市場哀鴻遍野，但有技術(shù)的大牛依然不愁高薪的工作，甚至還能在各大廠和巨型獨(dú)角獸之間「挑挑揀揀」。
最近，一名UC伯克利的博士生Nathan Lambert，也分享了現(xiàn)在AI就業(yè)市場的亂象，以及自己找工作的經(jīng)驗(yàn)。
市場上有很多工作，但是找到一個讓人快樂的公司和以前一樣難。
Nathan Lambert最近剛剛離職Huggingface，并組建了RLHF團(tuán)隊。
他表示，人工智能就業(yè)市場不穩(wěn)定最主要的「催化劑」，就是對生成式AI的投資。
其實(shí)，生成式AI和大模型領(lǐng)域的工作機(jī)會非常多。許多想要招聘的人都在為，如何招到自己想要的人而倍感壓力。
很多大公司想要招在LLM領(lǐng)域的人，但市場卻沒有足夠的技術(shù)人才。
研究人員一舉一動都在無聲地向我們證實(shí)，AI公司需要研究人員來完成從概念到實(shí)驗(yàn)，再到產(chǎn)品的轉(zhuǎn)變。
正是這些人，才得以讓模型訓(xùn)練、產(chǎn)品決策與公司發(fā)展策略保持一致。
接下來，就要談?wù)勓芯咳藛T獲得的報酬了。
大多數(shù)人，即除了站在學(xué)術(shù)頂端之外的所有人（他們的報酬仍然很高，只是沒有那么高），都在可預(yù)見的未來獲得大部分有保障的巨額報酬的機(jī)會，與「即使我的初創(chuàng)公司失敗了，我也至少能賺幾百萬」的想法中做出權(quán)衡。
在這個人工智能主導(dǎo)市場中，每個人都希望賺大錢。
這種「追求淘金熱」的想法，導(dǎo)致人們意向的工作機(jī)構(gòu)發(fā)生了很大的變化。許多公司的人員流動率，以及自然減員率都很高，以至于每個人都感到不安。
這樣情況已經(jīng)不足為奇，大型科技公司裁員潮最為明顯，但也不局限在這樣的公司。
Nathan Lambert稱，自己見過頂尖研究人員加入不同的公司，但在6個月內(nèi)就離職了。
優(yōu)秀博士能拿85萬刀（約合620萬人民幣）
我們剛剛談?wù)摰男匠陻?shù)字，是指OpenAI支付給頂級研究人員100萬美元。
在ChatGPT發(fā)布之前，剛畢業(yè)的博士生最高能拿到50-60萬美元的薪水。
而現(xiàn)在，最優(yōu)秀的博士生能拿到85萬美元（這是今年早些時候的一些數(shù)據(jù)）。只要在求職中愿意表達(dá)對生成式AI較為模糊的興趣，其他人都能以這個薪資起步。
谷歌的招聘是該領(lǐng)域的一個很好的指標(biāo)。
眾所周知，谷歌DeepMind將所有項目分為三類：Gemini（即將要發(fā)布的大模型）、與Gemini相關(guān)的應(yīng)用研究（6-12個月）、基礎(chǔ)研究（超過12個月）
谷歌DeepMind的所有員工都負(fù)責(zé)前兩類，其中大部分屬于第一類。
在大廠Meta中，也有了另一種劃分優(yōu)先級的方式。
借用Llama團(tuán)隊中某人的話說，Meta GenAI團(tuán)隊中的每個人，都應(yīng)該把大約70%的時間用在增量模型改進(jìn)上，30%的時間花在長期基礎(chǔ)工作上。
恰恰，這與作者的想法比較一致，但我們很可能會知道Meta正在哪些支柱領(lǐng)域（LLM、文本到圖像、音頻等）開展工作，而且他們會快速推動這些模型。
從結(jié)構(gòu)上看，以「開放研究和科學(xué)」為優(yōu)先級的公司極為罕見。即使有人以學(xué)術(shù)型研究科學(xué)家的身份加入，現(xiàn)實(shí)總是會將人們拉入商業(yè)需求中（尤其是在初創(chuàng)公司）。
在所有生成式AI投資中，最讓作者感到興奮的是，Transformer架構(gòu)將比過去的大多數(shù)想法走得更遠(yuǎn)。
將一群興趣相投、背景各異的頂尖人才聚集在一起，是確保我們挖掘Transformer最大潛力的絕佳方式。
在GenAI革命中，學(xué)術(shù)界仍將發(fā)揮重要作用。
比如，由UC伯克利、UCSD、CMU和MBZUAI等機(jī)構(gòu)共建立的LMSYS，不僅訓(xùn)練出了紅極一時的Vicuna模型，而且還制作了相關(guān)的推理和訓(xùn)練庫，收集了大量模型比較數(shù)據(jù)，并設(shè)計了一個后來被廣泛使用的基準(zhǔn)測試等等。
所有這些工作本身都很有影響力，即便其中只有一部分發(fā)表了論文。
與此同時，像EluetherAI和LAION這樣的研究組織也取得了相當(dāng)可觀的進(jìn)展。
如果以arXiv論文的數(shù)量來衡量，RLHF研究的速度自8月份以來，已經(jīng)有了明顯的提高。
在職1年半，作者剛剛結(jié)束了在HuggingFace的工作。
他發(fā)現(xiàn)，在這里為自己的工作獲得知名度，比做好工作更難。
以下是他本人在工作中總結(jié)的重要經(jīng)驗(yàn)：
- 如果你不主動宣傳和交流自己的研究，別人也不會這樣做。然而人們不喜歡這樣的現(xiàn)實(shí)。
- 開源發(fā)展非常快，因此需要聰明的領(lǐng)導(dǎo)者，以最大限度地發(fā)揮集體的力量。
- 開源ML還處于早期階段。我們正在弄清楚做開源ML意味著什么，OSS將永遠(yuǎn)改變。
- 開源在多樣性方面取得了成功。僅僅因?yàn)橛腥嗽趪L試類似的東西并不意味著你應(yīng)該停止。
- RLHF還未被充分開發(fā)。
對于HuggingFace這樣的初創(chuàng)公司的對外媒體策略，他也是又愛又恨。這樣的公司知道，如何幫助自己在公眾輿論中成長，這一點(diǎn)是很重要。
Nathan Lambert知道這次工作變動即將來臨，所以需要了解工作市場。他在博士畢業(yè)時寫過一篇關(guān)于求職的文章，也頗受歡迎。
其中，關(guān)于建立人際關(guān)系網(wǎng)、主動出擊、提高知名度和積極進(jìn)取的價值觀都適用。
這作者著所做的具體工作，主要圍繞一個高度專業(yè)化和需求旺盛的AI領(lǐng)域，但目標(biāo)更加明確——找到一個能讓自己繼續(xù)學(xué)習(xí)RLHF（科學(xué)和工程系統(tǒng)）的地方，而且這個地方足夠開放，并可以繼續(xù)進(jìn)行播客。
他表示，自己不想成為任何創(chuàng)始人、創(chuàng)始工程師、大公司的齒輪等等。
在篩選公司名單時，作者pass掉了蘋果、波士頓動力人工智能研究所、以及與許多初創(chuàng)公司等。
作者認(rèn)為，即使是那些覺得與自己很有共鳴的公司，他也發(fā)現(xiàn)這些人都很難清楚地表達(dá)「我到底要做什么」。
今年上半年，作者剛剛為建立RLHF pipeline付出了巨大的努力，現(xiàn)在即將要重新開始，這并不令人興奮。
不管怎么說，事實(shí)上，大多數(shù)人都不知道「你現(xiàn)在要做什么」，你仍然無法百分之百地選擇自己的方向。
這樣一來，選擇其實(shí)就不多了（根據(jù)學(xué)術(shù)性從高到低排序）：
Cohere for AI（現(xiàn)場面試后被拒絕）
入職后，他會加入一個小團(tuán)隊，負(fù)責(zé)強(qiáng)化學(xué)習(xí)方向。
公司特意組建了一個小團(tuán)隊，為想發(fā)表論文的Cohere工程師提供機(jī)會。團(tuán)隊中的每個人都很優(yōu)秀，作為遠(yuǎn)程工作來說非常不錯。
不過，考慮到在Hugging Face的經(jīng)歷，作者很難加入這樣一個對公司的產(chǎn)品和發(fā)展不重要的團(tuán)隊。
艾倫人工智能研究所（AI2）（offer）
能拿到Offer，是作者沒想到的。
艾倫AI研究所曾是介于谷歌大腦和學(xué)術(shù)研究小組之間的一個組織，現(xiàn)在則轉(zhuǎn)向了工程學(xué)方向，發(fā)展大語言模型。
他們在咨詢、工程、自主研究等方面表現(xiàn)得有些含糊，但對于發(fā)展NLP，則有著堅定的承諾。
后來作者意識到，他們需要有人來幫助理解RLHF。
Scale AI（口頭offer）
這家公司正轉(zhuǎn)向RLHF和訓(xùn)練后的研究領(lǐng)域，作為LLM訓(xùn)練公司的專業(yè)數(shù)據(jù)提供商，他們的業(yè)務(wù)正在大幅增長。
入職后，你可以做一些研究，在從事RLHF研究的人中可以獲得最多的數(shù)據(jù)。有時，也可以幫客戶做些集成，并建立實(shí)驗(yàn)室。
理論上，這是作者面試過的最令人興奮的地方。但因?yàn)槟撤N原因，他覺得與自己交談過的人中，并沒有誰引起自己的強(qiáng)烈共鳴。
有時候就是這樣，并不是所有優(yōu)秀的人都能在一個團(tuán)隊中共事。
Mosaic，現(xiàn)在的Databricks（offer）
就像每家初創(chuàng)公司一樣，Mosaic希望讓RLHF簡單易用，發(fā)揮影響力。
這里團(tuán)隊輸出非常穩(wěn)定，并繼續(xù)向公眾發(fā)布一些模型，或者論文。
然而，作者擔(dān)憂到，由于公司剛被收購，未來在開源上的動力可能不足。
Meta，Llama團(tuán)隊（現(xiàn)場面試后被拒）
在最先進(jìn)的開源模型公司工作一段時間，大家都有這樣的想法。
不過讓Lambert為難的是，他不愿意加入大公司、大團(tuán)隊。
但如果關(guān)心開源技術(shù)，顯然去Meta是一個很好的選擇。
谷歌DeepMind（已撤回）
谷歌正在到處招聘RLHF的人。這里的資源和基礎(chǔ)設(shè)施都無與倫比，但谷歌是Lambert接觸過的最封閉的公司，你得費(fèi)很大勁才能了解自己進(jìn)去要做什么。
幾個團(tuán)隊大多有自己的專長領(lǐng)域，正在研究如何改進(jìn)該領(lǐng)域的工具。
作者接觸過的兩個團(tuán)隊，分別做的是多模態(tài)RLHF和LLM Agent。
但在他看來，這種模糊性會讓谷歌的offer遠(yuǎn)不如像Llama團(tuán)隊那樣吸引人。
Contextual AI（口頭offer）
在Lambert接觸過的許多初創(chuàng)工中，他們做事的方式都很合理、很親民。
但在作者看來，建立一個有生命的企業(yè)，不僅僅是投擲收購的篩子，也需要推遲建立以客戶為中心的企業(yè)文化。
Contextual為作者提供了一個不錯的技術(shù)人員+科學(xué)傳播者職位。
如果辦公地在舊金山，通勤時間不長，倒是有可能會接受offer。
另外，作者從最初就沒考慮過面試OpenAI，因?yàn)樗麄儾蝗盧LHF專家。
Nathan Lambert表示，自己經(jīng)歷的面試都非常輕松，更多的是研究聊天，一些編碼測試。
如果想找一份LLM方面的工作，大部分問題都會與各種內(nèi)部組件的功能相關(guān)。比如：
- 注意力在實(shí)現(xiàn)層面是如何工作的。（可以參考nanoGPT等資料）
- 多GPU訓(xùn)練的基礎(chǔ)知識，估算VRAM使用量，通過超參數(shù)來減小模型的占用空間（例如量化）。
- 正則化工具，如批量歸一化、權(quán)重衰減等。
除了技術(shù)之外，還需要根據(jù)公司的具體情況，闡述自己在加入之后能貢獻(xiàn)些什么。
此外，很多公司都會查看簡歷上列出的GitHub倉庫和HuggingFace工具，這可能比復(fù)雜的研究項目更容易談?wù)摗?/span>
本文鏈接：http://www.tebozhan.com/showinfo-26-13479-0.html全球科技行業(yè)兩年裁員40萬，LLM博士卻拿620萬年薪offer？
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 解碼eBPF可觀測性：eBPF如何改變我們所知的觀測性
下一篇： 枚舉探秘：Java中的神奇力量！
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請聯(lián)系：2376512515@qq.com 津ICP備18001702號
津公網(wǎng)安備 12010102000574號