AI技术和落地问题，相互交流沟通 1、以前是某研究人员，各时期的AI技术基本都深度摸过：搞过前沿学术也干过工程，技术栈铺得比较杂也比较深。早期死磕过各种神经网络（CNN/RNN/GNN）、传统CV算法和目标检测；后来折腾3D重建（NeRF/高斯泼溅）、万物分割（SAM）、零样本/开放词汇检测（Zero-shot）以及扩散模型（Diffusion）。大模型时代也没落下，多模态大模型（VLM）、RAG架构、Agent智能体工作流、主流开源模型的微调（LoRA/Full-tuning）和量化剪裁都跑过，算是个全栈AI老兵。 2、做过不少企业级AI落地：干过很多把模型搬到生产环境里的脏活累活，踩过不少工程上的坑。深知学术理论和实际落地之间的差距，希望能帮有需要的朋友少走弯路。 开新坑~
Duck_King
如果觉得我的文章对您有用，请随意打赏。您的支持将鼓励我继续创作！
创作者 Duck_King 尚未开启！打赏功能为了鼓励分享而设计。
详见 天涯打赏功能说明
hello您好，我是一个24届的毕业生，我一直在干传统的业务开发工作，现在打算转向agent方向，目前自己尝试了一下，也在github上找了rag，最近比较火的deepsearch，但是还是感觉建立项目差点啥，打算做一个grpo的项目，但是现在没有什么想法，github上的项目也没有直接可以拿到的，要不就是长链路优化，偏向算法，我想请您给我一些建议。
@leobai 最好的方式就是打开招聘软件，看最新岗位中有哪些AI方向是你感兴趣并且岗位数量比较多的就可以去学，实践是最好的学习
计算数学中等211博士，可能以后去搞算法，但是不是很清楚前景，大佬清楚吗
@斗小马 可以看看数值算法、高性能计算、优化，能对上华为矩阵/张量算法、PDE建模那些，阿里超算或工业仿真也行，然后补工程能力，期间可以多做数值应用项目，上手CUDA/MPI，学PETSc或PyTorch底层，GitHub放几个实际求解器项目，多发应用论文。之后可以选择优先冲大厂算法，有实际的代码项目还是挺重要的
老哥你好 我刚毕业 最近也在做企业智能体落地有一些问题 想请教 想知道您觉得 目前 最直接的智能体是什么 和workflow的区别
@荒123 最直接的就是目前的多模态模型，比如gpt等，两个的区别就是一个是商家卖的整机电脑，一个是自己买零件组装，可以理解未本质上是差不多的，只是有不同的优化，workflow会更加自由，可以自己设计一些流程，但是这种比较吃优化设计，弄得不好会比较难用。
leobai 6月1日 20:41
