技巧

面试观察:企业想训自己的模型,多数说不清要解决什么问题

精选理由

面试官吐槽企业张口就要训模型,被追问三个具体问题就答不上来。文章点出 RAG 和知识库才是多数场景的正解,正在做技术选型的团队值得对照自查。

一位技术面试官分享了近几次面试中反复出现的现象:候选人所在企业抱怨某某模型不懂行业,声称要训自己的模型,但当被追问模型具体哪里不行、要提升哪方面能力、用哪些数据训练时,基本答不上来。企业能说出的理由只有行业积累多年、数据是壁垒、有核心价值。

正文

面试者认为多数企业轻视了知识库、RAG 和实时检索,而这些对绝大部分场景才是最现实可行的路径。动辄训模型、做行业首个大模型,往往是没有想清楚微调与检索增强之间的区别。

原文 · shao__meng

最近几次面试,反复听到这句话: 某某模型不行,不懂我们这个行业,我们想训自己的模型! 刚开始那次,还想继续往下讨论:某某模型具体哪里不行?要训练模型准备提升哪方面能力?现有哪些数据可以用来训练? 基本也是说不清的状态,只是说企业在这个行业内很多年,积累了很多数据,是壁垒,有核心价值! 再往下就说不清了,也可能是确实涉及企业核心信息,不方便透露了。 所以后来再听到这种信息,我也只说:哦,好。 不知道为什么,企业总会轻看知识库、RAG 和实时检索?其实对绝大部分场景,这些才是最现实可行的路径吧。 动不动就训模型,做行业首个大模型,可能还是没有想清楚它们之间的区别。📊 1 ⚡

产业坐标与信源核验

本条情报归属 AITOP「技巧」核心栏目,重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:RAG、微调、知识库、提示词工程,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「shao__meng」(@shao__meng),经 AITOP 多维评分管线结构化提炼。