一年也见不了几次，只怪自己没本事

@qq1147 要不你再好好想想？

老巴 10 个亿还没建完仓，你几万块已经花完了，你俩不是一种玩法的

汽车产业消费电子化了，不迭代就死，迭代就背刺，以后估计常态化背刺了

鹏华丰禄，但是建仓时间长，综合下来年化接近 5

小心公司裁员套路，先加薪让你重新签合同，然后低赔偿裁员，以前听说过这种

你自己搞个大纲出来，大纲里的每个点让 gpt 去解决，最后拼起来，这个最符合你自己的要求，并且比自己写快

去年 2 月刚被裁，当时 boss 上打招呼的很少很少，面试很难约
今年简单看了一下，机会起码比去年上半年多，骚扰电话也多了，不过我是干 nlp 的，不同工种可能不大一样。

1 年的没降、5 年的降了，一般认为 5 年 lpr 和房贷直接相关，是托底楼市的手段

建议分手
等你回老家了再找

我遇到的情况是，只有很少的公司要求到场，大部分（尤其中大厂）是全程远程面

目前看，24g 的显存，基本上只能是 7b 的模型了，13b 都不太好说

RAG 是靠谱的选择，目前看自己训练没法得到理想的效果，模型选型需要好一点，可以试试 qwen 和 baichuan

prompt 和解码参数也非常重要，对模型的输出结果影响很大

就是不知道 op 的写作中，是不是需要特别强的逻辑推理能力，还是说一般的写作逻辑能力就足以应对。

直接买中茶或者大益，基本上对得起价格

@bigbear2046 实话说法律领域不是很看好，通用 llm 的大厂做垂域 llm ，首选的就是法律、金融、医疗，这三个行业足够大，数据足够多，落地场景丰富，你要是做法律很容易和大厂撞车，除非能满足律所的一些定制化需求，这个确实跟上面的老哥们说的一样，要去找律师坐下来谈谈。rag 的话，很多人都能做。

持续观察楼主的项目，加油加油

@imes 这个不一定是要动模型参数的，法律领域也有很多办法解决数据问题：1.法考答案 2.裁判文书（以前的留存应该有的） 3.gpt4 生成（稍微花点钱） 只是知识注入和 ai agent 这块的话，有推理模型用的卡即可（显存 40-80g ）

我觉得真正难的，是把现实中的工作拆解成 llm 可以完成的形式，因为现实世界中很多问题，仅通过和 llm 的一问一答是无法解决的，需要把问题拆解出来，形成一套 work flow 然后每一环通过 llm 去解决，最终串联起来，这个是我认为最有价值，也是最体现行业经验+llm 结合的地方。

而单纯的优化 llm ，解决其幻觉、条理等问题，或者做做 sft dpo 之类的，其实开源的模型如 qwen 、mixtral 已经可以做的不错了，就算是动参数，用 qlora 的方式也可以低资源训练，这块顶多是慢点，但是 2-4 张 a100 足以支撑很多试验了。

所以核心还是如何把行业里的经验和 llm 更好的结合，去解决更加复杂（一问一答解决不了的）的问题，单纯的优化参数和跑 benchmark ，你觉得你干的过大厂吗？