nlp(自然语言处理)找工作竞争激烈、内卷严重吗?还建议入坑吗?

2021级保研本硕末流985软件工程
    cv是否真的很卷,nlp目前如何?预测四年后呢?算法有什么方向推荐吗?建议开发还是算法?
感谢各位分享~
收藏者
0
被浏览
139

5 个回答

urizen LV

发表于 2025-4-9 12:23:16

发paper的话,NLP难度大于CV。找工作的话,NLP难度远小于CV。
这么说吧,NLP是大AI方向就业最容易的。工业界对NLP的需求很大。比如搜索就需要招大量NLP的人。NLP的人都懂深度学习,转推荐广告都很容易。

喂喂 LV

发表于 2025-4-9 12:31:49

prompt相关工作已经有人开始总结了, 预计明年或者年底想社招的小伙伴要看起来了, prompt很可能也成为nlp标配。太惨了。跟学历史一样, 一年比一年多东西
cv是否真的很卷,nlp目前如何?
1现在NLP已经是神仙打架, 可以打开hugging face的最新代码,里面的模型好像差不多100个了??大概每个月都能出好几个新模型, 这周Facebook 下周谷歌, 今天华为, 明天百度。说实话我只用过一部分。

今年有幸作为面试官面试硕士的nlp岗位,现在bert albert都是标配, 不把博客背的滚瓜烂熟都不好意思说会nlp,不过最简单的tfidf倒是很多人不太会。
现在大多数 ai 的组长或者说leader 不一定会关注过nlp 的核心技术,  面试的时候可能你说了一堆, 对方不承认你做的东西。 这些面试官喜欢问基础问题, 例如 elmo , glove,最大熵模型之类的。 还有就是crf。
NLP也分研究和业务岗位,说实话现在的研究岗坑位不多,而且如果不是学校就发过paper的应该也不会想一直做研究的。
最近发现盘古这个模型是真的可以,nlp的未来,我估计还没有人关注


cv是否很卷, 这个东西要跟nlp来比一比。 我有个同事是做cv的, 他说虽然高效有大量cv的科研,效果都不错,导致竞争激烈(paper),但是工业级依然有大量需求,所以做cv是好找工作的。
然而nlp 是属于 论文没有那么卷(见仁见智吧),但是找工作特别卷的。因为,nlp的实际应用真的很少, 搜索, 匹配, 对话系统, 文本分类, 然后就没有了。
预测四年后呢?
2 对话系统里面有很多定制化的东西,这些东西最后即使做成配置,依然需要一个基础函数,用来提取槽位,那这个东西势必无法模块化。
几年内,如果语义识别有所突破,不依赖领域数据集,那么真正的自动pipeline就可以构建出来,nlp会重新发展
算法有什么方向推荐吗?
3算法还是机器学习比较好, 这个方向是做业务的,算法不好通用, 好拿钱, 而且坑位一直都还有, NLP本身就不是一个需求很大的岗位,更别说基础算法都可以调api,对我说的是api不是代码。
算法还有一个蓝海是 语音合成, 这个东西一直没有做的很好, 业界做的比较好的是百度,百度地图的语音定制功能可以还原你的声线,但是依然不能还原情绪节奏。。
喜马拉雅 和  各大平台都在 尝试 ai 合成语音,
建议开发还是算法?
4肯定是算法啊,赚钱比开发多的多, 开发虽然可以自学但是对经验要求也很高, 算法是属于真正的自学, 毕竟一个人就是一个部门啊

shili LV

发表于 2025-4-9 12:46:00

人工智能领域之所以内卷还不是站了几年的风口,互联网企业开的薪酬高,导致不好找工作的、薪酬低的行业大量学士、硕士、博士报个培训班、参加个比赛、看几个开源项目就来找相关的工作。

在当前历年高校毕业生屡创新高的大背景下,毕业找工作越来越难,找一份好工作更是难上加难。互联网作为新兴技术的代表,开出诱人的高工资,虽然面临996等各种问题,还是不乏年轻的毕业生前赴后继。在这种前提条件下,只要人工智能领域的工资水平超过平均工资,伴随着毕业生的增多与技术门槛的降低,势必会越来越卷,直到工资水平待遇与人才的供需关系达到一个平衡。

既然会越来越卷,还有没有机会?我个人觉得还有机会,甚至是人工智能的潜力还没有完全发挥出来。尤其是与特定领域的结合上,这也是非科班出身选手的一个值得投入的方向---那就是将人工智能技术与自己目前所在领域行业结合。为何这么说呢。我从两个方面简要陈述。

1. 从人工智能技术发展现状上。当前人工智能的还是属于统计学习的范畴,基本没有任何智能、理解能力。相当于我们幼儿园、小学阶段死记硬背的阶段。所以给它的数据越多,它背的越多,效果越好。这里不得不提人工智能的发展的三个阶段:运算智能、感知智能、认知智能。当前正处在从感知智能迈向认知智能的过度阶段。我们人类在生活中会总结经验规律形成知识指导后续工作,机器目前没有这个能力,只能给出输入输出让学习两者的映射关系。所以一个想法就是能不能我们人类总结好知识然后给机器用呢?事实上当前的研究火热的知识图谱就是基于这样的一个思想:自动的抽取大量海量的知识,形成大规模知识库,用于机器的决策和推理,提高机器的认知能力。知识分为两种,一种是常识知识,一种是领域知识。常识知识,我们每个人经过在人类社会生活学习,自然而然的就具备了,但是机器却很难拥有,常识知识的获取是一个难点,这里我们点到为止。另外一个是领域知识,这就是各位跨界跨行选手在人工智能应用领域可以大显身手的地方。人工智能短期内想在通用领域有所突破非常困难,但是在各个领域内还是能够有所作为的。就拿nlp领域的命名实体识别来说,每个领域关心的实体类型都不太一样,不太可能用一套通用的实体识别程序,而应该结合各个领域的知识构建领域内使用的实体识别应用。

2. 从政府规划与个人竞争力上。在今年两会发布的十四五规划纲要中,提到人工智能相关技术要逐步成为 “事关国家安全和发展全局的基础核心领域”。 人工智能技术未来会逐渐成为各个行业的基础技术,就像数学是很多学科的基础一样。现在很多小学和中学都开始学习人工智能了,所以只会点cv、nlp算法显然难以有核心竞争力。cv也好、nlp也罢,都还是属于技术范畴,技术的发展从根本上上是为业务服务,不可本末倒置。除了技术能力以外,一个高级的算法工程师最重要的业务能力。业务就广了去了,人工智能为各行各业赋能,都离不开对应用领域业务的了解。想搭人工这能这班车的,自己感兴趣的方向领域与人工智能的交叉学科是比纯人工智能更有前景的方向。对于cs 出身的工程师而言,也要在找工作时看准一个具体的业务领域应用,在这个领域深耕,不仅成为一个算法专家,更要成长为一个业务专家,才是根本。

基于以上的两点认识,简要回答题主的四个问题:
1. cv是否真的很卷,nlp目前如何
确实很卷,nlp也一样,而且会越来越卷

2. 预测四年后?
用论文量化下卷的程度:硕士打底一篇顶会,博士三篇起才有竞争力

3. 算法有什么方向推荐吗?
越来越卷也会要求你懂得越来越多,目前很多企业都在做多模态,未来cv、nlp分不分家都难说,所以基本知识都得了解

4.建议开发还是算法?
建议根据自己的兴趣选择,尤其是要结合特定领域

nlp(自然语言处理)找工作竞争激烈、内卷严重吗?还建议入坑吗?-1.jpg

橙子 LV

发表于 2025-4-9 13:00:35

改一下把,时代变化太快,最近在做大模型相关工作,nlp绝大部分子任务都能被大模型cover,nlp需要的人将会急剧减少,只需要很少一部分精英。除非真爱,不建议入坑了。
未来可能绝大部分nlp工程师就是做prompt, 极少数人训练模型,如果能接受每天prompt也可以,其实和写正则差不多。

cv很卷,主要就是模型大一统,需要规则的地方不多。
nlp现在就算有了bert还是很难one model handle all,大量规则仍然需要,这部分就有很多工程师红利。
然后,nlp好就好在很容易转行,推荐 搜索 广告 语音都能转。nlp代表了序列建模的最高水平。很多技术是通用的。

absct LV

发表于 2025-4-9 13:11:15

nlp,包括人工智能整个行业 ,整体来说还是很缺人才,尤其是优质人才。由于深度学习的和github等各种开元项目的存在,拉低了整个ai行业的门坎。内卷其实指的是会使用开源项目/代码解决问题(已解决问题)的ai工程师。但行业最需要的是,调研能力强,工程能力强的ai算法工程师。具体大概有以下几个方面。

  • 基础知识掌握:大脑中有着清晰的知识体系,遇到问题后轻松将问题分解,并用已有知识一一破解。知识包括ai 相关背景和算法数据结构相关。尤其是在nlp领域对算法有更高的要求
  • 调研能力:对于一个课题,可以分解成若干个子问题,对困难子问题能够在短时间内通过阅读文献等方法找解的方法。 对于课题可以提出至少两种解决方案。
  • 工程/落地能力: 低标准-能够比较容易将文献内容实现成代码。理想-需要从工程角度来解决问题,如 资源角度,产出时间(忌讳憋大招),架构/是否可重复利用等。
整体来说的一个优质的ai算法工程师必须具有解决问题和落地两种能力。

您需要登录后才可以回帖 登录 | 立即注册