AI本科毕业前的年度总结！从FPS游戏到AI大模型

文章主旨：

作者总结了自己2024年的学习、实习和成长经历，分享了在深度学习、大模型领域的探索与心得，同时展望未来的目标与方向。

关键要点：

• 作者通过自学深度学习，从基础知识到实现GPT2模型，改变了对AI的态度，转向深入研究大模型。
• 实习期间参与了大模型在数据标注任务中的应用研究，评估多家模型性能，并调研私有化部署。
• 通过参与开源项目和竞赛，补充了机器学习系统领域的知识，提升了实践能力和技术深度。
• 在学习过程中经历了焦虑与迷茫，但通过榜样激励与自我反思，逐步明确了科研与职业发展方向。
• 展望未来，作者强调心性磨练、长期规划与持续输出的重要性，力求在技术与表达能力上双重提升。

内容结构：

• 2024年学习与技术探索：

  作者在寒假期间开始接触深度学习，通过自学Andre Karpathy的课程，从基础算法到实现GPT2模型，对AI领域产生浓厚兴趣。

  同时建议学弟学妹从前端或后端开发入手，以弥补学校教育对实践能力培养的不足。

• 实习与大模型应用研究：

  作者在实习期间主要研究大模型在数据标注任务中的应用，评估多家国产和国际模型性能，深入了解模型指令遵循与信息抽取能力。

  观察到国内大模型厂商价格战的影响，认为DeepSeek和阿里的Qwen系列表现出色，成为重点关注对象。

• 知识恶补与科研发展：

  在实习期间边学边输出，参与Datawhale的开源项目，负责并发部分教程，补充了机器学习系统领域的知识。

  同时通过阅读榜样文章，逐步实现对流水算法、算子开发、Tokenizer差异等技术的学习与实践。

• 个人成长与未来规划：

  大四开学后确诊ADHD，作者将其视为保持专注的优势，同时从短期硕士升学转为考虑PhD，并计划通过GAP实习或RA沉淀科研能力。

  强调以长远规划为目标，同时做好局部任务，保持表达能力与技术输出，追求持续成长。

文章总结：

本文充满作者的思考与探索，展现了其在技术学习、实践应用与个人成长中的努力与反思，适合对AI领域感兴趣的读者学习与借鉴。

Datawhale

查看原文：AI本科毕业前的年度总结！从FPS游戏到AI大模型

文章来源：

Datawhale

扫码关注公众号