大家好，我是曾东威，AI持续学习探索者，也是经历多个互联网赛道的打工人，很高兴收到凌总的邀请，在私董会进行分享。

　　我在2016年开始参与校园业务，那时候第一家加入的校园企业是斗米兼职，然后也有幸在斗米做到了一个全国top的一个结果，之后的话陆续加入了搜狐、百度等这些企业，然后自己也做校园的租车业务，零食盒子业务，覆盖了郑州大学、河南工业大学、郑州轻工业大学等。最后我还在校园做了电信业务，开了2家自己的校园电信营业厅，承接电话卡、宽带业务。

　　毕业之后，我首先是进入了在线教育的行业，去过猿辅导，作业帮，后来的话也是可能大学是留下的一个创业的基因，自己跟朋友一块儿出来做了这个数据标注AI人工智能这一块。当时也是做的是属于交付方，先后服务了科大讯飞、百度、海天瑞声等等这些数据厂商，做了将近一年多。

　　纵向比较了一下标注的业务，需求量确实很大，但是我们作为一个小的创业团队，很难有一个更大的提升，后来我重新又回归了职场方向，之后去了贝壳找房，后来又去到了哈啰出行，担任城市经理以及中台策略运营运营的工作，再到去年，在郑州这边看到了有AI的机会，就来到蚂蚁子公司这边做AI高级人工智能训练师。

　　GPT 中 G（Generation 生成）、P（Pre-Train 预训练）、T（transformer）,P中的预训练意思就是将世界上处理好的知识输入进 大模型 当中，让大模型学到里面的知识，并产生所谓的推理 与 涌现 的能力。

　　Token 在大语言模型（LLM）中有特殊的意义，Token代表模型可以理解和生成的最小意义单位，是LLM 的基础单元。

　　经常可以看到，一些开源LLM 都分两个版本，分别为Base 版本 和 Chat 版本，前者是预训练阶段完成后的原始模型，由于没有跟人类偏好对齐，虽然不能直接“对话”，但各项任务的精度是最佳状态，适合拿来作为“底座”二次开发。

　　后者则是对齐了人类偏好，可以也可以理解Chat 版本需要做一些人类强化、非法拒答 等约束 & 强化型任务，让LLM 更方便、安全与用户进行交互。Base 模型是在大规模语料上以LM这种形式的预训练任务训练得来的。Chat模型是在base模型上sft（有监督微调） + RLHF（人工反馈强化学习）上微调得来的直接对话的版本，用部分任务的精度来换取了流畅的自由对话。

　　我们根据ChatGPT给出的详细操作步骤，可以通过快捷键ALT+F11打开Excel下的VBA编辑器，然后把对应的Excel代码复制进去；也能够在Excel的表格界面里，通过快捷键ALT+F8唤起宏的对话框，执行这段宏。你可以试一下，这段VBA的宏的确能够将我们表格里面的第一列，复制到第二列里面。

　　大学生都可以利用 Stable Diffusion 来设计海报、T恤图案、社交媒体图像，自动生成用户的头像、博客配图等。

　　步⻓影响时间与效果，通常 30 够了，Seed 决定了画⾯内容，CFG Scale 决定了画家⾃由度。

　　AI时代的爆发，我觉得对于现在的大学生而言是最好的时代，现在的工作岗位已经开始慢慢的转向AI加相关的工作岗位，比如AI开发工程师、AI设计师、AI产品经理等等。当代大学生正好走到了这个AI时代爆发的前沿，去使用AI，成为AI工具的使用者，对于之后我们的职业发展是有巨大的助力的。

　　关于AI，对于非技术专业的同学，并没有那么遥不可及，花一些时间就容易上手，而这也是校园从业者值得关注和探索的方向。

　　最后，发下我的资源：数据采标全链路的业务管理经验，有标注基地资源推荐，有AI数据供应商资源，以及甲方客户。如果你对AI赛道感兴趣，欢迎相互交流。