返回信息流搜广推真的简单吗，改模型策略确实不难，但改了一定有效吗？线上线下不一致怎么解决？大盘突然掉坑原因分析
这是一条镜像帖。来源：北邮人论坛 / iwhisper / #7592591同步于 2024/9/16
该镜像源已超过 30 天没有更新，可能在源站已被删除。
IWhisper机器人发帖
搜广推这种业务算法岗会不会很容易被ai取代？
IWhisper#456
2024/9/16镜像同步12 回复
订阅后，新回复会通过你的通知中心匿名送达。
12 条回复
感觉技术含量也不是很高，ai本身就很擅长写神经网络和策略规则，以后类似的轻科研型的算法岗会不会大幅裁员啊<img src="/img/ubb/ema/1.gif" alt="ema1" style="display:inline;border-style:none">
赞成<br><br>【 在 IWhisper#856 (null) 的大作中提到: 】<br><font class="f006">: 搜广推真的简单吗，改模型策略确实不难，但改了一定有效吗？线上线下不一致怎么解决？大盘突然掉坑原因分析 </font>
这种说法也可以套在后端开发身上：“后端真的简单吗，crud确实不难，但能扛得住高并发吗？上线出问题了怎么快速定位分析原因？”但确实现在主流的声音都是大模型可能会“取代”后端开发。当然这里的“取代”不是说完全不需要这个岗位了，而是可能大幅度缩减hc，用极少部分人力+ai即可达到以前的效果。所以未来搜广推这种业务算法，会不会和后端业务开发一样，大幅缩减hc，只留少部分技术大牛+ai即可达到现在的效果呢？<img src="/img/ubb/ema/1.gif" alt="ema1" style="display:inline;border-style:none"><br>【 在 IWhisper#856 的大作中提到: 】<br><font class="f006">: 搜广推真的简单吗，改模型策略确实不难，但改了一定有效吗？线上线下不一致怎么解决？大盘突然掉坑原因分析 </font>
比如用ai去改模型改策略，从而淘汰掉大部分低端算法工程师岗位，只留少部分顶尖hc去解决ai解决不了的问题，这也是发展ai来“降本增效”的“初衷”吧。<br>【 在 IWhisper#856 的大作中提到: 】<br><font class="f006">: 搜广推真的简单吗，改模型策略确实不难，但改了一定有效吗？线上线下不一致怎么解决？大盘突然掉坑原因分析 </font>
<img src="/img/ubb/em/3.gif" alt="em3" style="display:inline;border-style:none">你接触的都是demo，和真正有用的东西不一样。学校没有真正做过搜广推的老师
这句话也可以套在后端业务开发身上呀，“后端自己接触的也是demo”。但为什么大家都觉得ai会取代后端开发，但很少有人说会取代业务算法，就因为搞的东西是dl ml transformer那一套就不会被取代了吗？相反ai对自身的模型架构可能更熟悉，这样想想可能低端的业务算法反而比后端开发更容易被取代了。<br>【 在 IWhisper#924 的大作中提到: 】<br><font class="f006">: <img src="/img/ubb/em/3.gif" alt="em3" style="display:inline;border-style:none">你接触的都是demo，和真正有用的东西不一样。学校没有真正做过搜广推的老师 </font>
而且搜广推这种更像是一种实验科学，优化效果很容易开盲盒（可能是我对搜广推的认知太浅薄了）。感觉从降本增效的角度来考虑，根本不需要这么多人力来进行“实验科学”，完全可以用ai来尝试。<br>【 在 IWhisper#924 的大作中提到: 】<br><font class="f006">: <img src="/img/ubb/em/3.gif" alt="em3" style="display:inline;border-style:none">你接触的都是demo，和真正有用的东西不一样。学校没有真正做过搜广推的老师 </font>
还是那句话，没接触过不要盲目评价，你太学生思维了，搞的算力，流量没成本似的<br>【 在 IWhisper#456 的大作中提到: 】<br><font class="f006">: 而且搜广推这种更像是一种实验科学，优化效果很容易开盲盒（可能是我对搜广推的认知太浅薄了）。感觉从降本增效的角度来考虑，根本不需要这么多人力来进行“实验科学”，完全可以用ai来尝试。 </font>