自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(25)
  • 收藏
  • 关注

原创 转行AI Agent有多难:真实难度评估与学习建议

钱景”是肯定有的,重点是怎么拿到offer。现在这行正处于爆发期,月薪3-4w很常见,搞得好年薪80万往上都有可能,大量高薪酬待遇岗都在招,我们这种中小厂都能给到40w税后。如果实在没啥项目经验,可以看看知乎知学堂的AILLM开发课,最为讲的就是ai agent的应用开发,除了模型调用、对接、搭建外,还有很多「实战项目」拆解,自己做完可以写到简历里,求职面试的时候也不虚。

2026-04-13 17:05:19 94

原创 计算机视觉需要哪些数学基础?如何高效学习线性代数和概率论?(收藏版)

img=np.array([[100,150],[200,250]])# 简单2x2图像transform=np.array([[0,-1],[1,0]])# 旋转矩阵new_img=np.dot(transform,img)# 矩阵乘法print(new_img)周3-4:线性变换、逆矩阵。1. 几何变换(矩阵乘法、逆矩阵):用处:图像旋转、缩放、仿射变换(手机美颜、AR试妆)。我见过太多学员:文科生、程序员转行、甚至中年职场人,一开始怕公式如怕虎,但跟着正确路线,结合代码和图像实践,很快就爱上数学了。

2026-04-13 17:04:56 31

原创 深度学习理论框架:六周掌握核心技能

深度学习是后续学习自然语言处理,强化学习,计算机视觉等细分领域的基础,深度学习的应用也非常广泛,各个学科都会涉及,所以建议大家掌握基本的深度学习理论知识深度学习的理论可能会比机器学习更复杂一点,因为其中的数据流向是一个比较困难的点,很多同学学了很久都搞不清楚每个模块输入和输出的数据shape和类型这一期主要是给大家推荐一个深度学习理论教程:可以按照下面的学习计划来学习,总共六周的计划安排下面是具体的内容:第一周:深度学习基础 (难度。适合人群:大学生、转行者、开发者,只要会Python基础,就能跟上。

2026-04-13 17:03:17 102

原创 斯坦福AI软件工程课:Claude Code开发者亲授

这里有课程大纲、每周的 Slides(Google Slides 格式)、以及嘉宾演讲的资料。2025 年秋季,斯坦福计算机系出现了一门排课火爆的新课 —— CS146S: The Modern Software Developer(现代软件开发者)。这门课由 Mihail Eric 主讲,他是斯坦福校友,曾在 Amazon Alexa 担任技术主管,创办过 YC 孵化的 AI 编程公司,如今重返母校,开设了斯坦福历史上第一门专注于 AI 软件开发的课程。

2026-04-13 17:00:55 188

原创 从电商客服到金融风控:AI Agent落地场景全解析

那具体该怎么干呢?不是画大饼,现在市场就是这个价格,好的ai agent开发公司都是抢着要的,由于懂这个的人太少了,而想用这个技术的公司又太多了。我们公司就有一个二本毕业的同学,由于技术牛又懂业务,现在一个月四万多,去年年终奖就几十万。再往上走,如果你能成为公司的技术大拿,负责设计整个公司的AI平台,那你一年的收入就是百万甚至两百万起步了。

2026-04-13 16:58:34 220

原创 Prompt Engineering实战技巧:斯坦福课程精华

课程从 9 月 22 日开始,为期十周,每周两次课。当大多数高校还在争论是否该禁止学生使用 AI 工具时,这门课的态度截然相反——全面拥抱 AI。正如 Mihail Eric 在课堂上所说:"如果你能不写一行代码就完成整门课,那更好。一、这门课独特在哪里?传统的软件工程课教你如何写代码、如何设计系统、如何测试。CS146S 则教你一件完全不同的事:如何成为 AI Agent 的管理者。

2026-04-13 16:56:13 307

原创 CS146S第八周作业:UI自动构建实战

这里有课程大纲、每周的 Slides(Google Slides 格式)、以及嘉宾演讲的资料。2025 年秋季,斯坦福计算机系出现了一门排课火爆的新课 —— CS146S: The Modern Software Developer(现代软件开发者)。这门课由 Mihail Eric 主讲,他是斯坦福校友,曾在 Amazon Alexa 担任技术主管,创办过 YC 孵化的 AI 编程公司,如今重返母校,开设了斯坦福历史上第一门专注于 AI 软件开发的课程。

2026-04-13 16:54:42 154

原创 AI编程助手大盘点:Copilot/Claude Code/Devin对比

第 6 周:AI 测试与安全安全编码在 AI 时代变得更加重要。本周覆盖 SAST、DAST、漏洞检测、AI 生成的测试用例,以及如何用 Semgrep 等工具进行安全扫描。第 7 周:现代软件支持AI 代码审查、智能文档生成、调试辅助。如何建立对 AI 生成代码的信任?如何设置 Code Review 流程来捕捉 AI 的错误和Hallucination?第 8 周:自动化 UI 构建用一个 Prompt 生成完整的 Web App。快速原型、设计普惠化、端到端应用构建。

2026-04-13 16:53:11 294

原创 AI Agent开发需要学什么:技能图谱与学习路径

不用太纠结学历,AI Agent是最近一两年才火起来的,是一个全新的领域,能有落地项目经验的同学少之又少么,基本都靠自学。因此相比学历,求职面试官更关心你的实战经验。如果实在没啥项目经验,可以看看知乎知学堂的AILLM开发课,最为讲的就是ai agent的应用开发,除了模型调用、对接、搭建外,还有很多「实战项目」拆解,自己做完可以写到简历里,求职面试的时候也不虚。“钱景”是肯定有的,重点是怎么拿到offer。

2026-04-13 16:51:42 204

原创 AI Agent实习如何找内推:渠道与话术

这些实际上更像工程难题,公司愿意给30k月薪的原因就在这里,Agent研发不是玩具技能人,是能把玩具变成生产力的人。这环节最直接有效的策略就是跟着项目完整走一遍,如果你无从下手,趁着有大佬带队,你直接跟着做就行。我就是跟着这个「Agent 从入门到实战」学的,技能大佬带你手搓企业级项目全流程,手把手带你做出一个能用的Agent架构,简历项目阅历就有了。

2026-04-13 16:50:12 272

原创 单卡跑通70B:LoRA大模型微调实战指南

LoRA, 大模型微调, 轻量化训练, QLoRA, PEFT, 深度学习。

2026-04-07 13:59:03 91

原创 医疗影像+智能客服:LLM算法落地的典型案例

作为LLM领域的“关键技术担当”,最为负责设计、优化和模型训练大规模预模型训练模型,例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP(例如聊天机器人)、计算机视觉(例如人脸识别),到企业端的智能推荐、金融风控,LLM技术正在悄悄重构传统行业的运作模式,也催生了大量高薪酬待遇职业方向。需要掌握跨模态对齐技术(例如CLIP模型)、多模态编码器-解码器架构(例如Flamingo),以及3D重建算法(例如NeRF),适合对前沿技术感兴趣、愿意持续学习的开发者。

2026-04-07 13:59:00 31

原创 医疗+法律垂直场景:RAG的领域特定应用

第二,刚毕业的同学,尽量不要选择国企(家里有矿除外),LLM的职业方向,或者说其他 IT 方向的技术岗,在国企都是学不到东西的,这个懂得都懂。接下来,我们将召回到的相关信息作为上下文增强(Augmented)到 LLM 中,这一步是关键,由于它为模型提供了生成答案所需的具体背景信息,减少了模型产生错误或虚假信息的风险。继续来看今天的内容,这段时间我不是在集中招聘嘛,面了很多候选人,清华,北大,华五,包括一些海外的学校都有,因此也准备给大家集中分享一些求职面试的情况,帮助大家备战秋招。

2026-04-07 13:58:57 32

原创 北京邮电大学毕业生入职字节Seed,年薪228万:LLM就业有多香

作为LLM领域的“关键技术担当”,最为负责设计、优化和模型训练大规模预模型训练模型,例如改进Transformer架构、融合多模态模型、实现模型压缩与加速等。从我们日常接触的NLP(例如聊天机器人)、计算机视觉(例如人脸识别),到企业端的智能推荐、金融风控,LLM技术正在悄悄重构传统行业的运作模式,也催生了大量高薪酬待遇职业方向。在当下求职就业竞争激烈的环境里,想要实现年薪百万的目标,AI技术LLM赛道,甚至比传统互联网行业更有优势,成为了很多开发者和职场人的“新出路”。

2026-04-07 13:58:55 35

原创 创意激发+事实准确性:LLM开发的核心博弈

LLM的关键特征在于基于概率分布的“生成式能力”,这为创意和灵感的激发提供了巨大的价值。然而,这种概率驱动的机制具有双面性:它在赋予模型“创造力”的同时,也带来了输出的不确定性。这种“一模型多能”的特性,大幅降低了应用的开发与维护成本,也让跨功能的业务整合变得前所未有的高效。而现在,LLM允许用户以日常对话的方式输入需求。LLM应用开发的相关的信息并不稀缺——课程、路线图、项目清单到处都是,真正稀缺的是一种清晰感:哪些内容属于“LLM应用开发”的关键,哪些只是围观热闹的知识点,这需要有相当清晰精准的认知。

2026-04-07 13:58:52 31

原创 减少Hallucination:RAG如何让LLM回答更可信

第二,刚毕业的同学,尽量不要选择国企(家里有矿除外),LLM的职业方向,或者说其他 IT 方向的技术岗,在国企都是学不到东西的,这个懂得都懂。接下来,我们将召回到的相关信息作为上下文增强(Augmented)到 LLM 中,这一步是关键,由于它为模型提供了生成答案所需的具体背景信息,减少了模型产生错误或虚假信息的风险。继续来看今天的内容,这段时间我不是在集中招聘嘛,面了很多候选人,清华,北大,华五,包括一些海外的学校都有,因此也准备给大家集中分享一些求职面试的情况,帮助大家备战秋招。

2026-04-07 13:58:50 36

原创 全量微调vs LoRA:什么场景必须选择全参数微调

这样更可靠、更容易解析。语料切分:项目中的关系抽取任务是句子级关系抽取,传统的句子级关系抽取数据集每条样本的句子长度是几十个Token。我在项目中使用的自建数据集,质量一般,实体关系密度较低,如果按照传统句子级关系抽取的窗口来切分语料,会导致关系样本量不足。计算方法:首先利用 Embedding 模型(如 BGE 或 OpenAI-text-embedding)对某个关系类别下的所有样本句子进行向量化,然后对这些高维向量求均值(Mean Pooling),得到该类别的“质心向量”来代表这个关系的原型。

2026-04-07 13:58:47 107

原创 大模型开发入门:三大项目带你快速上手AI应用开发

标签:#人工智能、#大模型、#自然语言处理、#大模型开发、#智能体开发、#agent开发、#AI。

2026-04-07 13:58:45 89

原创 入职LLM算法两个月就想跑路?这三点建议你一定要听

第二,刚毕业的同学,尽量不要选择国企(家里有矿除外),LLM的职业方向,或者说其他 IT 方向的技术岗,在国企都是学不到东西的,这个懂得都懂。接下来,我们将召回到的相关信息作为上下文增强(Augmented)到 LLM 中,这一步是关键,由于它为模型提供了生成答案所需的具体背景信息,减少了模型产生错误或虚假信息的风险。继续来看今天的内容,这段时间我不是在集中招聘嘛,面了很多候选人,清华,北大,华五,包括一些海外的学校都有,因此也准备给大家集中分享一些求职面试的情况,帮助大家备战秋招。

2026-04-07 13:58:42 81

原创 做领域大模型的一年:年度总结与Training Recipe实践

体验是技术含量很高进步很大,虽然业务核心代码没啥注释,但用的都是比较先进的工程框架,靠着GPT老师一个个接口学,硬啃学会了分布式训练框架、推理框架,各种类型的微调……选择了小厂继续做rag,不过这边有agent开发内容,学会了langchain那些框架,有一说一感觉没啥用,自己也能写,纯应用层包装,门槛特低。小公司or普通研究院,非常一般。海面了好几家公司,靠以前的课题项目和pku一个研究院切合,拿了大模型算法实习生offer,实际上以rag+清洗数据为主,在这边学会的东西也不多,就是rag。

2026-04-07 13:58:40 156

原创 做领域大模型的一年:2025年度总结与Training Recipe实践

从2024年底DeepSeek"诺曼底登陆"以来,2025年开源和闭源模型迭代速度和开源质量远超以往几年。经常会遇到当T时刻在领域benchmark上优化到SOTA之后,T+1时刻有更优的通用模型公布,在领域benchmark指标反而比你专门优化的领域大模型更好。经历过几轮类似事件后,理解到做领域大模型的本质其实是产出一套稳健的训练方案Training-Recipe。即不管通用SOTA模型如何变化,我都能在短时间内基于通用SOTA模型,重新走一遍training recipe,达到更优水平。

2026-04-07 13:58:35 180

原创 做领域大模型一年后我悟了:Training Recipe才是核心竞争力

3.后来读研一年多,潜修内功,学了vLLM,peft之类的训练框架,做了几个横向课题,对简单业务熟练了。选择了小厂继续做rag,不过这边有agent开发内容,学会了langchain那些框架,有一说一感觉没啥用,自己也能写,纯应用层包装,门槛特低。总结:互联网中厂大厂,尤其是给你权限给你机器玩的,去,提升极大。小公司or普通研究院,非常一般。海面了好几家公司,靠以前的课题项目和pku一个研究院切合,拿了大模型算法实习生offer,实际上以rag+清洗数据为主,在这边学会的东西也不多,就是rag。

2026-04-07 13:58:33 149

原创 做领域大模型一年后我悟了:Training Recipe 才是核心竞争力

从2024年底DeepSeek"诺曼底登陆"以来,2025年开源和闭源模型迭代速度和开源质量远超以往几年。经常会遇到当T时刻在领域benchmark上优化到SOTA之后,T+1时刻有更优的通用模型公布,在领域benchmark指标反而比你专门优化的领域大模型更好。经历过几轮类似事件后,理解到做领域大模型的本质其实是产出一套稳健的训练方案Training-Recipe。即不管通用SOTA模型如何变化,我都能在短时间内基于通用SOTA模型,重新走一遍training recipe,达到更优水平。

2026-04-07 13:58:30 205

原创 低代码工业检测:YOLO+SAM微调的部署与优化

PCB质检标注员手动勾勒缺陷边界8分钟/张。YOLO框不准,SAM对工业缺陷水土不服。

2026-04-07 13:58:28 175

原创 低代码吃掉CRUD岗,Javaer该何去何从

这时候能快速搭建可落地的解决方案的人就特别吃香,可能只需要把开源模型微调下,做个增强检索,再设计好业务流程中的提示词,就能解决他们80%的痛点。当下的大模型落地进程,依然处于初期阶段,正是百废待兴的时候。尤其B端,现在很多企业的情况很有意思,手里攥着预算想搞智能化,但既不敢all in大模型,又不甘心只做表面功夫。但是算法的话还是算了吧,你去看看那些大厂算法岗招聘,清一色要求顶会论文+名校PhD,现在这行情,要是没个PhD头衔,连训练模型的显卡都摸不着。Java就算了吧,太卷了,尤其现在大环境下,更卷了。

2026-04-07 13:58:25 237

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除