原贴链接

我得到一个加入创业公司的机会。他们对我关于人工智能和大型语言模型(LLMs)的“知识”印象深刻。但实际上,我的所有项目都是通过从Claude粘贴内容、从Stack Overflow获取内容,再阅读一些文档改进而来的。我要如何全面了解设置大型语言模型、将它们集成到应用程序以及部署它们呢?是否有相关的指南或者路线图?我一个月后就要加入这家创业公司了,所以我还有一点时间。

讨论总结

原帖作者表示要加入一家对自己在AI和LLMs方面知识有误解的初创公司,而自己的项目成果多是拼凑得来,询问如何全面了解LLMs相关知识。评论者们给出了各种建议,包括关注报酬、分享学习感受、推荐学习资源(如YouTube账号、Udemy课程、Freecode camp视频等)、给出技术实施建议(如设置服务器等),也有对原帖作者的鼓励、共鸣和调侃,整体氛围比较积极,大家都在为原帖作者出谋划策。

主要观点

  1. 👍 关注工作报酬,提醒不要无偿工作
    • 支持理由:防止原帖作者被不良公司剥削。
    • 反对声音:无。
  2. 🔥 可从Hugging Face开启学习路径
    • 正方观点:这是一个很好的起点去深入学习LLMs知识。
    • 反方观点:无。
  3. 💡 原帖作者存在冒充者综合症的情况,应大胆去做
    • 解释:大家都是在实践中学习,不必过度担忧目前的工作方式。
  4. 👍 参加Udemy课程有助于了解LLM相关知识
    • 支持理由:上完课程就能明确搜索方向。
    • 反对声音:无。
  5. 💡 推荐ollama作为LLM服务器,LibreChat作为API前端
    • 解释:评论者自身这样做收获很多,可作为一种可行的方案。

金句与有趣评论

  1. “😂 Are they paying you? Don’t work for free or promises!”
    • 亮点:直截了当地提醒原帖作者关注工作报酬,避免权益受损。
  2. “🤔 In the end doing is the greatest teacher, so you’re well on your way.”
    • 亮点:强调实践在学习中的重要性,鼓励原帖作者。
  3. “👀 Try to do by your self more. Decompose what Claude is spitting understand why using this and not that.”
    • 亮点:针对原帖作者依赖Claude的情况,给出了如何提升自我的具体建议。
  4. “😂 LOL. Ask Claude and stackoverflow "
    • 亮点:以幽默的方式回应原帖,比较诙谐有趣。
  5. “💡 你知道的比大多数人都多。给它时间和经验,你就会知道其余的。”
    • 亮点:从正面鼓励原帖作者,减轻其对知识不足的担忧。

情感分析

总体情感倾向是积极的。主要分歧点较少,大部分评论者都在积极地为原帖作者提供建议或鼓励。可能的原因是原帖作者表达了自己的担忧和对知识的渴望,大家都比较同情并希望能帮助到他。

趋势与预测

  • 新兴话题:关于如何利用不同的LLM服务器和前端构建本地LLM系统可能会引发后续讨论。
  • 潜在影响:如果原帖作者按照建议去学习和实践,可能会在初创公司中顺利开展工作,也可能促使更多人关注LLMs相关知识的系统学习和应用。

详细内容:

标题:关于加入涉及 LLMs 初创公司的困惑与建议

最近,Reddit 上有一篇关于加入 LLMs 初创公司的帖子引发了广泛关注。该帖主称自己获得了一家初创公司的工作邀请,对方对其在 AI 和 LLMs 方面的“知识”印象深刻,但实际上帖主的项目多是从 Claude 和 stackoverflow 粘贴内容并结合阅读少量文档完成的。帖主将于一个月后入职,想知道如何全面了解设置 LLMs、将其集成到应用中并进行部署,询问是否有相关指南或路线图。此帖获得了众多回复,引发了热烈讨论。

讨论焦点与观点分析: 有人表示,如果有报酬就别免费或仅因承诺而工作。还有人提到自己在类似处境中攻读应用 AI 硕士,但感觉没学到太多,认为实践才是最好的老师。有人指出,这方面的知识变化迅速,大学教育往往滞后。 有人建议从 Hugging Face 开始学习路径,要多靠自己,分解 Claude 给出的内容并理解其中原理,搞清楚所使用东西的“管道”,不然 Claude 可能会误导。 有人推荐[https://www.youtube.com/@TechWithTim],称其有很多有用的视频。还有人提到 Udemy 课程和下载 ollama 等进行操作学习。 有人认为加入公司,在当今快速变化的世界中不断尝试和适应就行,可利用 YouTube、社区和 ChatGPT 来加强学习。 有人说可以通过观看 YouTube 上的教程学习,也有人认为多数实施 LLMs 的人实际上没做太多数据科学相关工作。

总之,大家对于帖主的情况各抒己见,有人建议实践和学习结合,有人认为借助现有资源提升自己,也有人强调要不断适应变化。这些观点丰富了讨论,为帖主提供了多样的思路和建议。