版主： hci
Roblox?hci 写了： 2025年 6月 20日 21:40 不需要MLE，一般的导演级SWE绝对拿1m以上的TC。妈的，要不是第六轮面试1个白男老nerd坑我，我老就拿到了某游戏公司这样一个职位，level.fyi显示TC1.2米。第一轮面试我的是个ABC男，高级导演级SWE，他的TC应在1.5米以上。
当然了，到这个级别的SWE，专业其实是不存在的。比如我的面试这个职位的四轮系统设计（不考利口），涵蓋游戏engine数据结构设计，低层ood设计，分布式系统设计，机器学习系统设计，前端架构设计，所有的东西都得会。最后这轮的老白男就是在前端设计问题上坑了我，浪費了我很多时间，最后一看时间没有了。尼妈，其实见面第一眼就相互看不顺眼。果然。后来一看简历，果然是个蠢貨，Portland state 毕业的，作PM的，公司被收购了进来的。操，算我倒霉。聪明人与蠢人，IQ相差20分以上，就会有沟通障碍。
你值得懂算法的标志是？fantasist 写了： 2025年 6月 20日 18:00 普通swe面临的问题不是能不能跳槽拿大包，而是饭碗已经快被掀了。现在ai agent的能力在以惊人的速度进化，像coding这种相对好提高的capability，过两年淘汰一半程序员我都不会觉得奇怪。这波炸翻全场的速度可能比大多数人的想象要快，码工还在论坛上调侃要不要学plumbing的时候已经谈笑间灰飞烟灭了。
我们组做post train，过去一年多面了不少大厂里的“MLE”，大多是调参侠、做data pipeline之类杂活的，真正懂一点算法或ai infra的人凤毛麟角。市场供给低导致从业人员能拿大包，我认为一部分原因是大部分人得过且过，不愿意学新东西。你看本版上一堆ai denier老帮菜就知道了，看起来个个名校phd出身，绝对不是智商不够，而是还没被社会毒打，不是觉得普通码工还能得过且过就是觉得自己很牛逼，这种幻觉恐怕要不了几年就会破灭。
不过话说回来，这行实在太卷了，我转行后掉头发的速度至少x2。虽然觉得这行很有前途，但年纪大了有点力不从心，经常想要不就靠现在的积蓄退休算了。想拿比普通swe多的钱，得证明能快速出别人干不了的活，混的人被赶走以月为单位，身心压力都很大。
infra背景强行转的，放弃大厂的钱去llm startup搬砖。当然只用llm的wrapper厂，比如做情感聊天bot，一般是不行的。需要公司真金白银砸在上千个GPU上，才能得到真实的训练经验。然后边做边学，没啥可说的，努力向卷王们学习就行。我转行晚了，去年才进入这个行业，感慨22年GPT火的时候我做传统ML懒得动，没赶上最肥的一波。我在硅谷混这么多年还没弄到10米流动资产，是因为一直在重复过于爱待在舒适圈里懒得动的错误，不然真的遍地是普通人也能抢到的机会。
这波做模型的startup好像很少fantasist 写了： 2025年 6月 21日 00:17 infra背景强行转的，放弃大厂的钱去llm startup搬砖。当然只用llm的wrapper厂，比如做情感聊天bot，一般是不行的。需要公司真金白银砸在上千个GPU上，才能得到真实的训练经验。然后边做边学，没啥可说的，努力向卷王们学习就行。我转行晚了，去年才进入这个行业，感慨22年GPT火的时候我做传统ML懒得动，没赶上最肥的一波。我在硅谷混这么多年还没弄到10米流动资产，是因为一直在重复过于爱待在舒适圈里懒得动的错误，不然真的遍地是普通人也能抢到的机会。
简单概括就是知道如何提高模型的能力，而且要比网上流传滥大街的知识深入一些。
I see 多谢fantasist 写了： 2025年 6月 21日 00:21 简单概括就是知道如何提高模型的能力，而且要比网上流传滥大街的知识深入一些。
别的不说，能讲清楚不同算法loss每个component都有什么作用的candidate，都挺少见。
不少MLE是从搜广推转行过来的，有点ML基础学LLM有一些先天的优势。
startup圈子太小，全球范围还在做模型的确实没多少家了，就不细说啦。
MLE的一大职责是发掘模型哪方面能力欠缺，想办法补上短板。说不定几个月来狗家找到了一些你工作相关的data。另外就是模型的推理能力发展很快，能在0 shot/few shot的context下很好地处理问题，所以很多时候并不需要太多数据，可能几十条高质量的专业数据，这方面能力立刻腾飞。hahan 写了： 2025年 6月 20日 23:40 我相信
Gemini 2.5把我convert 了
我之前的领域非常专门
资料信息也非常少
都是传帮带口耳相传
2.5以前 llm 对我的工作是0帮助
Gemini 2.5 pro突然就能解决我70%的工作
神奇的是
这几个月我这个领域的data肯定没有显著增加
不知道2.5 pro怎么就突然对我来说有了质的突破的
因为之前我的理解是必须有更多的data 才能让模型显著提高
这很不可思议
码农的经验和技能包括institutional 的知识
我看现在Gemini 2.5 pro都有
的确像你说的
很多自视甚高的码农还处在denial 的技能
喜欢找模型的hallucinations 然后嘲笑一番
fantasist 写了： 2025年 6月 21日 00:33 startup圈子太小，全球范围还在做模型的确实没多少家了，就不细说啦。
两年前做模型的startup很多，现在快死光了，因为做不出top的模型，那么还不如调chatgpt/claude的api，可以说前期投入几乎没有任何价值。美帝的c.ai/adept，墙国的六小虎，欧洲的独苗mistral，最好的也只能半死不活挺着，连大厂都有实际上放弃的。
这个行业是极其残酷的，一步慢步步慢。oai anthropic两个超级巨头不会慢慢等着后来者追赶上，它们本身的模型能力是在一步步往前跑的。产品都是以周为单位迭代。所以小渣看到llama落后了，要花一亿去砸能把事情做出来的大佬。之前马教主知道起步晚，直接砸几个B买卡建training cluster，先把军火备足了。AI现在是大投入大回报。
fantasist 写了： 2025年 6月 21日 00:48 MLE的一大职责是发掘模型哪方面能力欠缺，想办法补上短板。说不定几个月来狗家找到了一些你工作相关的data。另外就是模型的推理能力发展很快，能在0 shot/few shot的context下很好地处理问题，所以很多时候并不需要太多数据，可能几十条高质量的专业数据，这方面能力立刻腾飞。
码农相关的数据实在太多，主要问题是质量参差不齐，清洗需要时间，训练也需要大量资源，但这些问题在飞快地被解决，各家模型一两个月就迭代一次，太快了。虽然码农需要的技能比很多职业难度高，但挡不住全世界最顶尖的一批人才盯着这个方向卷，被AI大规模消灭我看也就这一两年的事了。
现在AI已经能轻松替代junior generalist swe的工作，所以new grad和一两年经验的大片找不到工作。我认为是时候认真思考如何build AI暂时无法取代的domain knowledge了，另外尽量利用AI提高自己的生产力，好好投资想办法在这波红利期喝口汤，争取再苟个10年。10年之后人类会被AI改造成什么样，就难说了，无法想象，听天由命吧。
