新聞 
在美國,有多少碩博被當做鑒黃師?
在美國,有多少碩博被當做鑒黃師?在美國,有多少碩博被當做鑒黃師?
壹個有211本985碩背景的土木應屆生小夏，接了壹份AI數據標注的offer，工作內容主要是對AI給出的題目答案進行糾正，但實習沒多久她就跑路了。
根本原因在於，公司看重的是你腦子裡的專業知識，好用來幫模型學習進化，這個崗位本身不會讓你學到太多新東西，也很難有什麼職業上的發展。
說白了，就是把你的知識壹次性榨幹，注入到AI裡。雖然有些崗位薪資能到7-10k，聽起來還行，但改變不了這是“賽博流水線”的事實。
你說它沒有含金量吧，但又是AI發展必須的燃料，畢竟大模型是經典的Garbage in，Garbage out。這麼重要的東西，為啥大廠不組建壹個自己的數據標注團隊呢？
理由很簡單：需求量大、項目時間緊、任務重，壹下子招這麼多正式員工，劃不來，外包出去是最省時省力的方法。
於是，壹個龐大的金字塔產業就此誕生。頂層是少數幾個算法天才，而構成它龐大塔身的，是這些被當作小時工的高材生們。維持這條流水線運轉的，就是專門承接外包項目的“AI時代的包工頭”。
[物價飛漲的時候 這樣省錢購物很爽]
無評論不新聞，發表壹下您的意見吧
根本原因在於，公司看重的是你腦子裡的專業知識，好用來幫模型學習進化，這個崗位本身不會讓你學到太多新東西，也很難有什麼職業上的發展。
說白了，就是把你的知識壹次性榨幹，注入到AI裡。雖然有些崗位薪資能到7-10k，聽起來還行，但改變不了這是“賽博流水線”的事實。
你說它沒有含金量吧，但又是AI發展必須的燃料，畢竟大模型是經典的Garbage in，Garbage out。這麼重要的東西，為啥大廠不組建壹個自己的數據標注團隊呢？
理由很簡單：需求量大、項目時間緊、任務重，壹下子招這麼多正式員工，劃不來，外包出去是最省時省力的方法。
於是，壹個龐大的金字塔產業就此誕生。頂層是少數幾個算法天才，而構成它龐大塔身的，是這些被當作小時工的高材生們。維持這條流水線運轉的，就是專門承接外包項目的“AI時代的包工頭”。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
推薦: