美团2024校招6000人；伯克利博士讲Llama 2技术细节；互联网转行AIGC最全指北；技术进步周期与创客崛起

👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！

🤖 美团 2024 届校园招聘将录用 6000 人，技术类岗位扩招超 50%

美团招聘公众号宣布启动 2024 届校园招聘！此次招聘聚焦「零售+科技」战略，面向毕业时间在2023年11月至2024年10月的海内外院校应届毕业生。岗位预计招募6000人，覆盖技术、产品、商业分析、运营、金融、供应链、职能、市场营销、设计、销售、客服和支持等10大类职位、100余种岗位。尤其值得注意的是，技术类岗位扩招超50%！

此外，美团 2024 届北斗计划也正式启动，招聘全球精尖校园科技人才，开放大模型算法工程师、大模型机器学习引擎工程师 、感知算法工程师、决策规划算法工程师、高精地图和定位算法工程师、仿真系统算法工程师等岗位 ⋙ 美团招聘 | 美团技术团队

🤖 牛津大学研究显示，不同语言使用 AI 大模型的成本差异巨大

推特用户 @dylan522p 展示了一张牛津大学的研究成果，图片显示，根据对 GPT-4 和其他常见大语言模型的研究，在大语言模型中使用英语的成本最便宜，中文是英文成本的2倍，而缅甸掸语这样的语言成本要贵15倍。

研究显示，成本差异与使用语言的结构有关。让一个大型语言模型处理一句缅甸语句子需要198个 token，而同样的句子用英语写只需要17个。token 代表了通过 API 访问大型语言模型所需的计算力成本，这意味着缅甸语句子使用该服务的成本远比英语句子高 ⋙ Twitter @dylan522p

🤖 国内首款AI商拍工具「WeShop」上线，降低电商拍摄成本

https://www.weshop.com/studio

WeShop 是一款AI商拍工具，由时尚电商平台蘑菇街在今年4月孵化推出，基于 Stable Diffusion 技术为商家提供商品实拍图场景及模特替换解决方案。使用 WeShop，商家不再受限于模特、经纪、摄影、后期处理等方面的限制，甚至不再需要真人模特，也不再受拍摄地点和模特类型的限制。

目前，WeShop 已正式上线，并推出人台图、真人图、商品图、玩具图、童装图5种电商适配场景。用户只需选择场景并上传图像，工具即可自动切割所需部分；随后选择一个地点模版/或者使用 Prompt 生成一个地点，就能一键生成所需的展示图。

🤖 灵动AI推出业内首个工业级「AI商品图」生成工具，发力千亿级营销设计市场

https://www.redoon.cn

灵动AI最近发布了首款可商用的AIGC产品「灵动AI商品图」，并与京东智能新品孵化平台合作，为商家和产业带客户提供 AIGC「营销+设计」服务。

该工具包括了多个自研的特定风格场景的 LoRA 模型，多个1亿级参数的专用AI模型以及专业的智能审美评价系统。在精准的算法控制下，主体商品与生成场景在构图、色彩、光影、氛围等方面完美融合，展现出独特的视觉特征和美学调性，为B端用户和设计师创作高质量商品场景图提供助力 ⋙ 灵动无限科技

🤖 a16z 探讨生成式AI能否解锁个人财务管理

这是著名风险投资公司 a16z 近期的一篇博文，Olivia Moore 和 Anish Acharya 带我们讨论生成式AI对个人金融管理带来的改变。

过去个人金融管理软件更多是提供理财建议和洞察，但无法真正替用户执行操作。在金融科技的推动下，最新的生成式AI模型 (比如 GPT-4) 具有高度计算能力和决策制定能力，可以进行文本和图像的多模态处理，真正代表用户执行理财操作。

文章预测，借助生成式AI，个人金融管理平台终于可以实现「金钱自动驾驶 (Money on Autopilot) 」的愿景，在以下等多个领域实现自动化，并可能催生一个强大的金融超级 App：

▢ 存款和消费

▢ 投资方案

▢ 退休计划

▢ 债务管理

▢ 准备/申报税款

文章还预测「再融资机器人 (Refi Robots)」的出现，可以利用生成AI分析用户当前债务情况，并自动找到最优再融资方案。这将极大影响现有债权方的利益。

此外，作者预测创业公司将赢得这块市场。因为现有金融机构的路径依赖和低效行动，将很可能错失这波机会。新创业公司利用AI降低用户痛点，将获得行业先机 ⋙ a16z

🤖 万字长文，听伯克利博士给你讲解 Llama 2 的技术细节

Meta 近日发表了 Llama 2 论文。来自伯克利大学的人工智能专业博士 Nathan Lambert 在自己的博客中对这篇论文发表了自己的看法。

Nathan Lambert 表示，这是LLM生态系统的一大步！Llama 2 是 Llama 的延续，在数据质量、训练技术、能力评估、安全培训、负责任的发布方面，都进行了实质性的技术拓展，并在技术研究文件中批露了大量细节。

这个模型是什么 What is the model

Llama 2提供了多个模型规模 (70亿参数到7亿参数不等)

相比LLaMA 1 增加了上下文长度到4K tokens，采用了组查询注意力机制改进推理速度

基础模型 Base model

基础模型采用了新增的公开数据源混合训练，增加了语料库 40%，提高了知识性并减少了幻想

训练语料达到2万亿词，但重点优化了事实性更强的来源，去除了大量私人信息的网站

基础模型在各类基准测试如 MMLU 等中明显优于其他开源模型

偏好数据 Preference data

Llama 2 使用了大量高质量的偏好学习数据来训练奖励模型，总计 27,540 个样本

采用了迭代批量采集、元数据安全标注等方式管控数据分布

该数据量达到了业内竞争对手的数量级，估计市场价格超过 800 万美元

奖励建模 Reward modeling

Llama 2 采用了独立的有用性奖励模型和安全性奖励模型

增加了置信度边界提升有用性，采用只训练一个 epoch 避免过拟合

奖励模型准确率可达 65-70%，是最重要的性能预测指标

强化学习人类反馈和微调 RLHF and fine-tuning

Llama 2 使用了拒绝采样和 PPO 两种强化学习算法进行微调

验证表明强化学习可以突破监督微调的性能上限，但需要计算和数据资源投入

PPO 微调获得了略胜

评估(能力) Evaluation (capabilities)

Llama 2 在多项自动评测中明显优于其他开源模型

人工评测也表明其质量显著优于 ChatGPT

使用奖励模型评测也证明了强化学习过程的有效性

安全性 Safety

Llama 2 进行了大规模的安全性评估，采取了各种安全性技术手段

尽管在长对话等方面还存在一定缺陷，但总体上朝着正确方向发展

仍需持续关注

杂项 Miscellaneous

计算上使用了内部集群，有针对超大用户基的商业授权限制 ⋙ NATHAN LAMBERT原文(英文) | 中文翻译版本

🤖 互联网丝滑转行AIGC指北，全网最全

这篇文章非常深入地探讨了一个话题：初代互联网人踩对了风口，饱食红利，而在红利褪去的当下，我们又该如何找对行业，迎风而起？

为了让更多人迎着风口再次飞起来，文章详细介绍了AIGC的产业发展、人才需求和工作机会，帮助每个互联网行业地「潜力股」找到适合自己的高潜公司。

🔔 为什么说AIGC行业是互联网人的转行良机？

能力要求：互联网工作经验在AIGC公司嘎嘎好用！不管是技术还是非技术岗，有互联网经验都是加分项

岗位设置：算法、开发等等技术岗位，和互联网技术人才需求极其相似，完全可以丝滑无缝衔接；产品/运营、战略/市场、设计、财务、法务、销售等非技术岗位在AIGC公司也是常规设置

薪资水平

发展前景

🔔 AIGC行业下游 - 应用层

人才需求：下游是指各类AI应用，这一层主要是利用AI模型解决具体问题的各种应用

技术岗位：前端工程师、后端工程师、算法工程师、客户端开发、SDK开发、……

非技术岗位：产品经理、业务分析师、AI项目经理、海外运营、产品营销、新媒体运营、UI设计师……

🔔 AIGC行业中游 - 模型层

人才需求：中游指的是模型和API提供方，主要包括包括预训练模型的开发和训练，以及相关的数据处理和优化

技术岗位：AI研究员、算子工程师、数据科学家、机器学习工程师、AI模型优化工程师……

非技术岗位：产品经理、运营专员、战略商业分析、售前解决方案专家……

🔔 AIGC行业上游 - 基础设施层

人才需求：AIGC行业上游指的是软硬件基础设施、数据供给。主要包括硬件设施 (如服务器、芯片等) 和基础软件平台 (如 HuggingFace、PyTorch 等)

技术岗位：硬件工程师、数据工程师、网络工程师、GPU 编译器/设计工程师……

非技术岗位：TPM (技术产品经理)、PMO (项目经理)……