忙累了躺平,躺醒后该干点啥

372641f0972e7caf9bf1e1badab4b58c.png

文 | 一只菜鸡

前几天刷到 @微调 的一些碎碎念,觉得自己的2021年还是有蛮多收获的,于是在各位卖萌屋小伙伴的鼓励下,就有了本文。

收获很多,我从中挑选出来自我感觉对读者来说比较有用的三点。

1. 放低期待,学会适当躺平

我父母是那种工作非常拼,事业心无敌重的人,他们也用自己的努力换来了各自事业的成功。可能是从小在爸妈的鸡血下长大,一直被灌输“事情要做就要做到最好”的思想,导致我一直对自己有比较高的期待,也深信凭借努力+智慧就可以创造奇迹。

玩游戏,喜欢打逆风局,擅长困境中找到突破口,创造队友口中的“翻盘奇迹”;
打比赛,距离ddl还剩12小时,队友躺平了,我说还有个idea能拱一拱,果然拱出来了奇迹;
“这个点肯定赶不上末班车了”,“试试吧,感觉还有希望”——赶上了

收到的激励太多,就导致忽略了一点——在这些事件里,你是主角,对把控局势有很大的话语权,且你已经熟悉游戏规则了。

而现实中的很多场景里,你可能并没有这么大的主导权,且没搞清楚游戏规则,这时在有限的信息、权力里,就容易产生不切实际的期待和低效/无效的努力,换句话说,可能无论你怎么优化你负责的局部,对全局的影响都是微弱的,因为你改动的,可能并不是矛盾的关键点。

所以,“事情要做就要做到最好”不能盲目套到所有事情上。经济学里有个基础概念叫“机会成本”,而“无脑做到最好”就意味着失去优化其他问题的机会,如果这时“局部最好”并不能有效引导“全局更好”,那说白了就是“钱白花了”。

那这时应该怎么办?努力打破信息壁垒,了解游戏规则是当下最应该做的事情。如果始终无法打破,那就要提高风险预期,不要有过高期待;如果打破了,那就会有三种情况:

  1. 发现矛盾点不在你这里,但你可以干预,因此你换个方向发力,就可以适当提高预期

  2. 发现矛盾点不在你这里,而且你也无法干预,这时候就要降低预期,适当躺平,避免低效/无效发力

  3. 矛盾点在你这里,ok,那就看你的智慧+努力了

虽然放低期待、适当躺平可能会让你有所沮丧,但这会比低效/无效投入带来的沮丧要温和。另一方面来说,放低期待躺平后,节省下来的机会成本可以投入到更有意义的地方,来促成未来的全局最优。

2. 横向视野

虽然程序猿、攻城狮的第一要务是技术深度,但技术不是最终目的,如果完全扎在技术里,失败的不只是生活,甚至技术类工作也会遭遇瓶颈。我接触的“人赢”高T里,虽然有纯技术狂人,但大部分给我的感觉是ta不只是技术nb,其重要的是看事情非常“通透”。这份通透会体现在对政策、事件、现象、走势的理解和后果预判里,可以从中发现机会和风险,提前做一些布局和决策。而这些,就可能成为日后的重大收益。

早些时候有个大佬建议我学下经济学,从微观开始看起。我内心:什么鬼,我可忙死了,跟我一个算法工程师有啥关系。直到去年又一个大佬跟我说了同样的话,于是果断在2021年的尾巴,周末去图书馆泡起了经济学。如果用一张图描述我之后的心情的话

1376ae9ae3470a754c9a31e31214f1e9.png

哦不对,贴错了,是这个:

1285390d2b98e73a2f00f5460f1f08c0.png

之前一些觉得费解的政策、企业行为、大佬行为,顿悟了不少。进而你可以与你的工作、技术挂钩,产生一些预判。

横向视野的扩展不仅仅是满足好奇心,提升通透感,它还可以为你的职业生涯预判风险与机遇,甚至一些决策可以让你少奋斗很多年。毕竟,每个人都是社会的一份子,在一个完全竞争的市场里,你虽然改变不了市场,但看清它才可能把握好买入卖出的时机和价格。

3. 对象理论

N多年前有位师姐跟我说,找工作就像找对象,你不能只关注对方是不是有钱有势,还要关注对方性格是不是适合你、并且欣赏你。

当时听到这句话时感觉恍然大雾,但随后发现在找工作的时候并没有多少实操性——入职之前很难知道适不适合欣不欣赏啊喂。。虽然校招时能通过实习来互相了解、双向选择,但显然你在有限的学生时代,能有一两次实习经历就顶天了,所以是否有钱有势是容易了解到的,但是不是能踩到适合并且欣赏你的团队,很大程度上还要看你的信息渠道和运气。

但我后来发现,这个“找对象理论”一定程度上可以延伸成为“处对象理论”,可以让你在职场中提前预判一些风险和可能出现的“感情危机”。

比如,如果你是一个偏内向、被动的人,那遇到一个同样性格的人的话,就容易出现“你的事情、想法我不了解,我的事情、想法你也不了解”的双向信息屏障,久而久之就容易出现感情危机。在这个维度上,最佳的状态是双方都要足够开放、主动,否则被动的那方一定会让对方感到痛苦。

性格被动的人往往有一个思维误区,就是感觉老板太忙,遇到问题不好意思给老板添麻烦,要尽力自己搞定,而搞定后又觉得不是太大的事情就跳过了。这样就容易导致一个问题——时间久了老板不知道你做了啥,也觉得你这边没啥难度。当双方认知没有对齐的时候,就可能出现”你觉得事情太难熬夜加班好多却没有正反馈“,老板觉得”看起来没啥难度的事情你咋做了这么久“的不良状态,进而引发信任危机。

当然,这个事情也存在另一个极端——过度沟通,回到现实中来的话就是下属吐槽老板“开会太多,决策效率低下“,老板吐槽下属”能力太菜,这么点事儿都找我“。所以,一方面要在入职前尽量确认性格是否合适,另一方面也要在入职后努力自我优化好这份trade-off。

而在”是否欣赏你“这个事情上,就要比”是否适合你“更加玄学了。首先需要确认的是,这个事情确实很关键,”欣赏你-主线事情放心交给你-事情做成拿到好收益-更加欣赏你-绩效好奖励多-更加有干劲“是一个重要的职场正反馈,如果反过来的话,就自行想象了。

总之,职场确实比学校复杂很多,工作两年,身边的同学已走了大半,不乏技术能力强的。之前某位大佬曾说,员工离职有两种原因,一种是钱没给够,一种是伤了心。不过观察下来,发现这两者其实是强绑定的,进入正反馈的,老板当然会重视你的诉求、帮你鱼熊兼得,而进入负反馈的,则要啥自行车了。

最后,回顾自己过去的2021,确实是个值得纪念的一年。感恩家人的陪伴和信任,感恩生命中的贵人们,感恩团队带来的技术与能力成长。

d9eb7dfb4ed9e3f19c0630194283fa6c.png后台回复关键词【入群

加入卖萌屋NLP/IR/Rec与求职讨论群

后台回复关键词【顶会

获取ACL、CIKM等各大顶会论文集!

d4a6313441584b763b260018f7929632.gif

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/477689.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

论文浅尝 | P-Adapters: 从具有不同提示的语言模型中鲁棒地提取事实信息

笔记整理:田玺,浙江大学硕士研究生。研究方向:知识图谱、自然语言处理论文地址:https://openreview.net/forum?idDhzIU48OcZh,录用于ICLR2022摘要之前的工作发现,从大型语言模型(LLMs&#xff…

LeetCode 470. 用 Rand7() 实现 Rand10()(随机概率)

1. 题目 已有方法 rand7 可生成 1 到 7 范围内的均匀随机整数,试写一个方法 rand10 生成 1 到 10 范围内的均匀随机整数。 不要使用系统的 Math.random() 方法。 示例 1: 输入: 1 输出: [7]示例 2: 输入: 2 输出: [8,4]示例 3: 输入: 3 输出: [8,1,10]提示: rand…

Spring Cloud Stream同一通道根据消息内容分发不同的消费逻辑

应用场景 有的时候,我们对于同一通道中的消息处理,会通过判断头信息或者消息内容来做一些差异化处理,比如:可能在消息头信息中带入消息版本号,然后通过if判断来执行不同的处理逻辑,其代码结构可能是这样的…

图谱实战 | 再谈图谱表示:图网络表示GE与知识图谱表示KGE的原理对比与实操效果分析...

转载公众号 | 老刘说NLP知识图谱嵌入是一个经典话题,在之前的文章《知识表示技术:图谱表示VS图网络表示及基于距离函数的表示学习总结》中,围绕知识图谱嵌入学习这一主题,对比了知识图谱嵌入与图网络嵌入的异同。而在实际工作中&a…

LeetCode 1247. 交换字符使得字符串相同

1. 题目 有两个长度相同的字符串 s1 和 s2,且它们其中 只含有 字符 “x” 和 “y”,你需要通过「交换字符」的方式使这两个字符串相同。 每次「交换字符」的时候,你都可以在两个字符串中各选一个字符进行交换。 交换只能发生在两个不同的字…

图深度学习前沿工作汇总与解析

图深度学习除了可以应用于标准图推理任务以外,还广泛应用于推荐、疾病或药物预测、自然语言处理、计算机视觉、交通预测等领域。可见,基于图的深度学习不仅有助于挖掘现有图数据背后的丰富价值,而且还通过将关系数据自然地建模为图&#xff0…

Spring Cloud Stream消费失败后的处理策略(四):重新入队(RabbitMQ)

应用场景 之前我们已经通过《Spring Cloud Stream消费失败后的处理策略(一):自动重试》一文介绍了Spring Cloud Stream默认的消息重试功能。本文将介绍RabbitMQ的binder提供的另外一种重试功能:重新入队。 动手试试 准备一个会…

图谱实战 | 华农夏静波:深层语义知识图谱在药物重定位中的应用

转载公众号 | DataFunSummit分享嘉宾:夏静波 华中农业大学 副教授编辑整理:王金华 电科32所出品平台:DataFunTalk导读:自新冠病毒肺炎疫情发生以来,由于传统药物研发周期长,药物重定位(老药新用…

LeetCode 738. 单调递增的数字(贪心)

1. 题目 给定一个非负整数 N&#xff0c;找出小于或等于 N 的最大的整数&#xff0c;同时这个整数需要满足其各个位数上的数字是单调递增。 &#xff08;当且仅当每个相邻位数上的数字 x 和 y 满足 x < y 时&#xff0c;我们称这个整数是单调递增的。&#xff09; 示例 1…

晋升挂了,leader说不是我技术不行

本文授权转载自公众号“算法圈的小破事”&#xff0c;点击以上卡片进行关注大家好&#xff0c;我是在互联网危险边缘疯狂试探的皮皮虾。今天跟大家分享一个故事。晋升去年秋季&#xff0c;我参加了校招入职以来的第一场晋升答辩。答辩前&#xff0c;我比来比去&#xff0c;觉得…

Spring Cloud Stream消费失败后的处理策略(二):自定义错误处理逻辑

应用场景 上一篇《Spring Cloud Stream消费失败后的处理策略&#xff08;一&#xff09;&#xff1a;自动重试》介绍了默认就会生效的消息重试功能。对于一些因环境原因、网络抖动等不稳定因素引发的问题可以起到比较好的作用。但是对于诸如代码本身存在的逻辑错误等&#xff…

论文浅尝 | DEKR: 一个基于描述增强知识图谱的机器学习方法推荐系统

笔记整理&#xff1a;刘尧锟&#xff0c;天津大学硕士链接&#xff1a;https://dl.acm.org/doi/pdf/10.1145/3404835.3462900动机面对大量的机器学习&#xff08;ML&#xff09;方法&#xff0c;为给定的数据集和任务选择合适的方法是一个挑战。一般来说&#xff0c;ML方法或数…

Meta AI 发布 data2vec!统一模态的新里程碑!

文 | ZenMoore编 | 小轶如果让大家举一个最成功的自监督模型的例子&#xff0c;尤其对于各位 NLPer&#xff0c;肯定毫不犹豫地祭出我大 BERT. 想当年 BERT 打了一个名叫 MLM (Masked Language Model) 的响指&#xff0c;直接成了 NLP 灭霸。视觉界、语音界闻声而来&#xff0c…

LeetCode 946. 验证栈序列(栈)

1. 题目 给定 pushed 和 popped 两个序列&#xff0c;每个序列中的 值都不重复&#xff0c;只有当它们可能是在最初空栈上进行的推入 push 和弹出 pop 操作序列的结果时&#xff0c;返回 true&#xff1b;否则&#xff0c;返回 false 。 示例 1&#xff1a; 输入&#xff1a;…

Spring Cloud Stream消费失败后的处理策略(一):自动重试

之前写了几篇关于Spring Cloud Stream使用中的常见问题&#xff0c;比如&#xff1a; 如何处理消息重复消费如何消费自己生产的消息 下面几天就集中来详细聊聊&#xff0c;当消息消费失败之后该如何处理的几种方式。不过不论哪种方式&#xff0c;都需要与具体业务结合&#xf…

会议交流 | DataFunSummit 2022:图机器学习在线峰会

深度学习模型是当今人工智能研究的核心。众所周知&#xff0c;对欧几里得数据&#xff08;例如图像&#xff09;和序列数据&#xff08;例如文本&#xff09;具有颠覆性学习能力的深度学习技术不能直接适用于图结构数据。这种差距推动了图深度学习研究的浪潮&#xff0c;在学术…

专访邱锡鹏:人工智能开源社区的「先行者」

文 | 刘冰一、Echo源 | 极市平台邱锡鹏&#xff0c;复旦大学理学学士和博士。任职复旦大学计算机科学技术学院教授&#xff0c;博导。发表 CCF A/B 类论文 70 余篇&#xff0c;获得 ACL 2017 杰出论文奖&#xff08;CCF A类&#xff09;、CCL 2019 最佳论文奖。出版开源专著《神…

Spring Cloud Stream如何消费自己生产的消息

在上一篇《Spring Cloud Stream如何处理消息重复消费》中&#xff0c;我们通过消费组的配置解决了多实例部署情况下消息重复消费这一入门时的常见问题。本文将继续说说在另外一个被经常问到的问题&#xff1a;如果微服务生产的消息自己也想要消费一份&#xff0c;应该如何实现呢…

LeetCode 400. 第N个数字(数学)

1. 题目 在无限的整数序列 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, …中找到第 n 个数字。 注意: n 是正数且在32为整形范围内 ( n < 2^31)。 示例 1: 输入: 3 输出: 3示例 2: 输入: 11 输出: 0 说明: 第11个数字在序列 1, 2, 3, 4, 5, 6, 7, 8, 9, 1--0--, 11, ... 里是0&a…

图谱实战 | 开源知识图谱融合工具剖析:Dedupe与OpenEA工具实现思想、关键环节与实操分析...

转载公众号 | 老刘说NLP实体对齐旨在发现不同知识图谱中的共指实体&#xff0c;如百度百科的360与Wikipedia中的360 qihoo。实体对齐是知识融合的重要任务&#xff0c;通过实体对齐集成多源知识图谱可以为下游任务提供更加全面的知识表示。实际上&#xff0c;实体对齐本质上就是…