过年期间，总算是花了那么些时间，把大模型相关的综述类知识了解了一遍。缓解了些许焦虑。
这个井喷式的大模型技术，不像前些年的虚拟现实、元宇宙，他切切实实的开始落地在各行各业的方方面面，且未来的空间，还充满着想象力，一切皆有无限可能。
在学习大模型的过程中，我觉得有三点很有意思的地方 ——
- 大模型是如此博学，世界知识是如何浩瀚
以前学习，可能我得百度搜索，并一个一个链接点进去进行内容筛选。而如今，我只需要和豆包对话，通过交互式的问答，我就能了解到我想要了解到的知识。
学习的效率真的是指数级的提高。（当然，自己也需要有一些知识的基础功底，避免大模型幻觉带偏自己。） - agent 大幅提升生产效率
作为程序员，有了 agent，就能帮我解读项目代码，并梳理代码逻辑，这个效率也是指数级的提升。如果是以前，我可能得一行一行代码地去看，如果没有注释，理解起来会非常的费劲。而大模型，则能直接帮你阅读、理解、总结，简直是如虎添翼。此外，如今音视频领域也因为生成式大模型而迎来很多新的玩法，理解多模态，并生产多模态。完成了很多设计、剪辑等，或前期或后期的工作。 - 大模型与推荐新范式
大模型也给推荐系统带来了一些想象空间，语义ID、tokenize 技术的前置表征，生成式、偏好调优等技术，将大模型生成式推荐推向高潮，打破后验监督的判别式范式，让生成式范式成为新的可能。语义ID、生成式模型、强化学习等，变成和 xgboost、SVM、特征工程 一样，似乎是基础知识。
对大模型有了初步的学习，那算法工程师的未来在哪里？
我觉得，得掌握新技术，和新技术做朋友，并成为相互配合的朋友。首先做到理解客户的需求，了解业务的特点，结合因果推断、监督学习等传统技术，先把业务快速跑起来，同时多思考和大模型新技术结合的落地场景，寻找技术创新点，在兼顾当前业务的同时，不落下新技术的学习，提升 insight 迁移能力，我相信当前的 agent 还只是能个工具人，还不足以理解业务和定义问题，那么人就有发挥价值的地方。
更长期的，我希望进一步培养自己的爱好、特长和理想，并结合 AI 能力，希望将来有机会开创一个自己真正感兴趣，并非常有意思的事业。加油，学无止境。
2026.02.23 春节最后一天
