大模型岗位除了基础技术知识与实践经验，还需要对行业视角有自己理解，对大模型未来发展方向有一定的认知。下面从技术知识，细节问题，实践经验，行业实践，未来方向方面说下大模型岗位必备技能。
一、技术知识
基本原理：了解大模型的基本原理，包括序列之间的依赖关系、序列的位置信息以及注意力机制等，有助于更好地理解大模型的工作原理和优化方法。
Transformer：熟悉Transformer架构，这是当前主流的大模型结构之一，能够处理长距离依赖关系和位置信息，提高模型性能。
Attention：掌握Attention机制，这是一种用于处理文本序列之间依赖关系的算法，在大模型中有广泛应用。
基本应用：了解大模型的基本应用场景，如模型微调、推理能力和知识库构建等，以便在实际工作中灵活运用。
模型微调：掌握模型微调的方法和技巧，通过调整模型参数来适应不同的任务和数据集，提高模型泛化能力。
推理能力：了解大模型的推理能力，包括预测、分类、生成等，以便在实际项目中充分发挥大模型的优势。
知识库：掌握知识库的构建和管理方法，为大模型提供丰富的语料和实体信息，提高模型的理解能力和应用效果。
二、细节问题
大模型方面做了哪些工作：了解自己在过去的工作中涉及到大模型的部分，包括参与的项目、负责的功能模块等，以便总结经验教训并为今后的工作做好铺垫。
对大模型有哪些认知：思考自己对大模型的认识和理解，包括其优缺点、适用场景、发展趋势等方面，以便形成自己的观点和见解。
业界有哪些大模型：了解当前市场上的主要大模型产品和服务，如百川、ChatGPT等，以便把握行业动态和竞争态势。开源免费商用，是大势所趋，目前百川，chatGLM，LLaMA2，通义千问都宣布免费商用了。
是否在关注：评估自己是否对大模型保持持续关注的习惯，以便及时获取最新的技术动态和市场信息。
大模型可以解决哪些问题：明确大模型的主要应用场景，如自然语言处理、计算机视觉、推荐系统等，以便确定自己的职业发展方向。
遇到的问题及解决方法：回顾自己在实际工作中遇到的问题，如模型训练速度慢、推理能力不足等，以及采取的解决措施，以便积累经验和提高工作效率。
大模型里的涌现是否一定存在：探讨大模型中的涌现现象是否一定会出现，以及如何将这种现象转化为实际应用价值，以便深入理解大模型的工作原理和应用潜力。
三、实践经验
大模型训练平台的搭建：熟悉大模型训练平台的搭建过程，包括硬件配置、软件选择、数据准备等，以便在实际工作中快速搭建适合自己需求的训练环境。
大模型平台构建中的问题：总结自己在大模型平台构建过程中遇到的问题，如网络带宽不足、多个网卡设置不当、数据分片策略不合理等，以便在后续项目中避免类似问题的发生。
大模型训练：分享自己在大模型训练过程中的经验，包括样本构造方法、数据清洗技巧、训练周期控制等，以便提高模型训练的效果和效率。
加速方法：介绍在大模型训练中常用的加速方法，如分布式训练、模型压缩、迁移学习等，以便在实际项目中灵活运用。
大模型推理负载：分析大模型推理过程中的负载问题，如内存占用、计算复杂度等，以便优化模型推理性能。
平滑扩量：探讨在大模型规模扩展时可能遇到的问题，如模型精度下降、计算资源不足等，以及相应的解决思路和方法。
四、行业视角
对大模型的看法理解：从行业的角度来看待大模型的发展，包括其对传统行业的冲击、对新兴产业的推动作用等，以便把握行业趋势和市场机遇。
大模型对判断是大模型肯定会改变现有业务系统的交互方式，目前各大公司对大模型对投入就像当年O2O大火时期，还有共享单车大火时期。都知道是机会，但是最终的格局应该是会有两种情况：
1、通用领域大模型，应该是赢家通吃的局面，可能也就只会有几家做成。因为赢家的大模型的性价比最高，直白点就是又便宜又好用。
2、垂直领域大模型，应该是垂直领域的top2的企业，跑出垂类大模型，一是提升自身的企业效率和效益，二是对垂类行业赋能，收取服务费。
未来大模型的发展：展望大模型的未来发展趋势，包括技术创新、应用场景拓展、市场竞争格局变化等，以便制定个人职业规划和发展目标。
可以放眼未来，toC领域，预计未来3年内，大模型应该会把现有的60%以上系统改造一遍，使其更加智能化，系统交互方式也会升级为自然语言交互，这里可能有点就是安全合规的问题需要进一步解决。toB领域的业务比较重，可能需要的改造的时间会更多些，但是也同步引入大模型升级系统，智能化的趋势是一样的。
五、大模型的语言交互方式
未来会替代目前的界面交互：预测大模型的语言交互方式将在未来逐渐替代传统的界面交互方式，成为主流的人机交交互模式。
智能推荐：利用大模型的能力，为企业提供智能推荐服务，如ERP系统的功能菜单智能推荐等。
未来，大模型未来会推动社会进步，智能化随处可见。未来大模型助手是大众的必须品。
大模型的推理能力，使大模型能力平民化，就相当于有个能力强大的私人助手，拉平了大众的推理能力。当然这里使用大模型的能力还是有差异的，如果智商很高，业务理解能力强，使用大模型提效的能力会更强。
