月薪兩萬,大廠瘋搶AI數據標注員

0 評論 1721 瀏覽 1 收藏 17 分鐘

在最近的招聘市場上,一大波有關“AI數據標注員”的崗位開啟了火熱招聘,而這一現象背后,離不開大模型熱與大廠的大模型布局。這篇文章里,作者就做了一定的講述和分析,一起來看一下。

“人均月薪兩萬、本科以上學歷、直通百度字節?!?/p>

有些許荒涼的年底招聘市場,在最近的短短一周之內,突然冒出了一大批“AI數據標注員”的崗位,正在火熱招聘中。

據「自象限」搜索,這些崗位不僅有百度、字節、京東、滴滴、美團等“夢中情廠”,工資月薪十分亮眼,都在1萬到2萬元之間,且發布時間很短,都在1周到1個月之間。

除了新以外,崗位招聘顯然非常急迫。據招聘軟件顯示,HR們都異?;钴S,一天24小時幾乎全程在線,日均回復次數在十次以上,隔幾分鐘就回復一次。

“最近只要一上線,有關AI數據標注員的招聘消息就瘋狂彈,重復地彈?!辈簧僬谇舐毜娜讼颉咀韵笙蕖糠从?,“上次這么瘋狂的打招呼,感覺還是主播招聘?!?/p>

▲圖源Boss直聘截圖

招聘的火熱,很難不讓人想到大廠的大模型之戰。

不過,據「自象限」觀察,“AI數據標注員”招聘不是由這些大廠直接操辦,而是通過獵頭公司來負責招聘。崗位的名字也是五花八門,有“數據標注”、“AI話術編輯”、“數據標注分析師”、“標注員”、“AI訓練師”等等。

雖然叫法不同,但關于這些崗位的職能描述卻大差不差,據招聘軟件信息顯示,其中很大一部分崗位跟現下大熱的大模型有關,入職的數據標注員們的日常工作包含,大模型的編輯校對、大模型的數據標注管理、大模型的內容質量評估等。

▲圖源Boss直聘截圖

「自象限」向多位招聘HR進行了咨詢,“工作的主要內容是對文心一言大模型回答結果的分析和判斷,工作的地點在百度科技園?!庇蝎C頭回復道。

高薪資待遇、掛鉤大模型、大廠哄搶……有求職者看到了機會,“大模型的風,要帶動新一批大廠人扎根了,普通人的機會來了嗎?”

但事實上,時間緊、任務重的崗位招聘,要求卻并不算低,基本學歷要求本科起步,985、211優先本科和碩士優先,在具備語言學、中文信息處理、計算語言學、文學等相關專業背景的同時,還得對一些AI技術的原理有了解。

花椒科技告訴我們,面試的基本流程是,“簡歷初篩-發筆試題-筆試題通過一輪面試-直接發offer-培訓”,在學歷方面,獵頭強調“必須得是一本才行,211/985優先”。

嚴格準入門檻,招聘軟件上神秘的“AI數據標注員”背后,藏著大廠的大模型棋局。

一、我,給大模型當“考官”,月薪兩萬

歷時一個多月的面試,中文系畢業的羅文(化名)最終敲定了自己的offer——百度文心一言的AI數據標注員。連她自己都不敢相信,一個純技術小白現在的日常竟然是給大模型當“考官”。

“畢業三年,沒有任何AI經驗,轉行漲薪,幅度近50%,月薪在9k-15k左右”,羅文告訴我們。

坐在兩臺電腦前,羅文每天的主要工作有兩項:一是做題,直接給大模型進行“填鴨式”教育;二是給文心一言當“判官”,評判給出的答案對不對、好不好。

所謂“填鴨”就是強行把寫好的答案喂給大模型,這樣的好處就是從數據源上不會出錯,以此來提升大模型的訓練效果。羅文告訴「自象限」,數學題、常識題、作文題她都做過,但這還遠遠不夠,“理論上,越專業越好,比如我擅長文學領域,那就專攻文學題,有的同事專業是醫學,那就做醫學問答題”,羅文道。

羅文的話已經在一些社交平臺得到驗證,有人曾發布帖稱,“急需招募金融專業人員,有償給文心一言答題,一天30多道,每道題價格在1.5-2.4元?!?/p>

▲圖源社交媒體平臺小紅書截圖

另一項工作就是給大模型當“判卷老師”,就像學生考試一樣,每天大模型會生成各種問題的答案,羅文就需要承擔老師的角色,判斷其生成的答案與題目是否一致,答案是否正確。

若遇到諸如作文一類沒有標準化答案且開放性的問題時,則需要評判答案的好壞,比如,系統會隨機給一組數據,包含1個問題和3個回答。羅文需要先標注出這個問題屬于什么類型,隨后給3個回答分別打分并排序。分數區間為0-5分,如果打分低于3分,還要標注出具體原因,例如“答非所問(0分)”、“嚴重跑題(1分)”、“存在邏輯問題,存在事實性錯誤,比例較小給2分”等。

這個工作雖然看上去并不難,但卻異常重要,甚至可以從外包直通大廠的機會。據上述獵頭告訴我們,“雖然合同跟我們獵頭公司簽,但是還是有六分之一的幾率轉正,進入百度集團”。這或許也是嚴格控制學歷的原因。

▲圖源Boss直聘截圖

為此,「自象限」也了解到,由于百度地圖的數據標注,有穩定的地圖業務需求及自動駕駛模型、算法模型的訓練需求,所以對數據標注的質量要求更高,的確搭建了專門的數據標注團隊。

市場上對“羅文”的需求,不止大模型公司。據「自象限」統計,目前,市面上的數據標注崗位大致分為兩種。

一種以NLP(自然語言)為主要方向,百度、字節、京東、美團等一批大模型科技公司一擁而上,給自家大模型找人工數據訓練師。這其中又分為幾個細分的方向,譬如數據分析、大模型生成結果判定、輔助大模型邏輯推理等等。

另一個方向則是CV(圖像),存在已久,人們更加耳熟能詳的是“2D拉框”和“3D拉框”,主要是滿足滴滴、毫末、輕舟智航等這類車企,為其智能駕駛業務提供圖像數據質檢和標注幫助。

▲圖源Boss直聘截圖

「自象限」觀察發現,十一月是NLP方向數據標注的轉折點,此前,百度、京東等大廠無論是校招還是社招,都僅開設了很少或壓根沒有AI數據標注崗位,招聘軟件上也只是零星地開放了實習生的崗位,通常不設學歷上限,大專學歷封頂。

毫無征兆地突然冒出一批崗位需求,這背后或許與大模型廠商的研發受阻有關。多位行業人士曾向「自象限」透露,截至目前,國內的大模型水平或許僅能達到GPT-3.5水平,發展的核心還是數據質量問題。

一邊是國外OpenAI連放猛招,直逼GPT-5,一邊是國內企業喊著“要落地”、“要用上大模型”,雙重壓力下,又用起了“人海戰術”。

技術研發水平不夠,人工能力來補齊,國內大模型廠商開始瘋卷“AI數據標注員”,為大模型能力“飛升”再加一把燃料。

二、大廠卷精標,粗標“割韭菜”

事實上,數據標注并不是新鮮事兒,早已有之。以前的形式是粗標,主要表現為“拉框”,但現在粗標發展得亂了套:一是此前大廠粗標多為眾包標注平臺,工單分散,人員不專業,導致標注質量不行;二是隨著大模型的精進,粗標變得越來越不夠用,精標的地位由此直線上升。

針對粗標和精標的差異,某大廠員工解釋道:“一般廠商的外包團隊,能做標注,但他們就是按照框定的規則標注,如果出現規則之外的數據,標注就會存在通過率不高的情況來回反復,但是由工程師團隊來做,特別是針對自動駕駛輔助駕駛等回傳的數據,他們知道背后的原理,可能不會按照常規的思路標注,會帶解決問題的思路來標注,可能需要跳出之前制定的標注規則,這樣標注數據的質量會更高?!?/p>

大模型爆火,也為粗標刮起了一陣“新錢風”。

目前,粗標求職陣地已經從招聘軟件轉移到了快手等短視頻平臺。以快手為例,粗標求職熱度與快遞員并列,大量數據標注公司入駐快手,覆蓋京津冀、長三角和珠三角地區。

▲圖源快手截圖

據「自象限」了解,快手的直播招聘業務“快聘”曾在發布會中特別提到:“要解決數據標注職類線下招聘難,應聘者少的核心訴求問題 ?!?/p>

落實到實處,快手從公司資質審核、流量扶持、公司推薦到數據標注職業推廣都給予了支持,「自象限」注意到在快手官方招聘直播間中,有時也在全天無間斷地滾動地播報有關數據標注求職信息。

這一定程度上也成為了某些數據標注公司的“尚方寶劍”。在招聘時候,宣傳之詞毫無遮攔,“無需學歷,上手即會,小學生都能做”,“拉一個框,打一個標簽,就是半個毛”,“拉3000個150元,6000個300元,月入7000-8000灑灑水,只要手速夠快”,極盡夸張之詞。

但事實究竟如何呢?一萬塊錢能拿得如此輕松嗎?

為探究真假,「自象限」在快手報名聯系上了一家熱門數據標注公司。該公司聲稱與比亞迪、理想、小鵬、特斯拉等車企直接簽單獲得一手數據任務,且出示了大量的證書、憑證強調其正規性。入職后的主要任務就是接任務包,在圖片上拉框、標注和打標簽。

▲圖源微信截圖

總結下來,有幾個基本點:打框按計件算錢,一個框價格在一毛到一毛五;薪資首月按周結,第二個月以后按月結算;新手小白需要先繳納2580元培訓費用,一年內工資累計達到1萬,才能退還;平均七天左右學習培訓時間就能上手做任務;分兼職和全職,兼職按框計算,全職線下坐班,另免費提供住宿;在其展示的員工工資截圖中,月工資在5000-6000元不等。

但在黑貓投訴平臺上,上述公司成為了數據標注投訴的重災區。

一些投訴用戶的經歷與我們相吻合。綜合用戶的反饋,投訴主要集中在以下幾個問題:第一,不會拉框需要先繳納2580元費用,一年做拉框任務滿一萬元,但是出現了拒不退款的問題;第二,培訓內容非常簡單,且耗時長,耽誤用戶上崗;第三,不給通過和達標,總是卡拉框的合格率,最終影響收入;第四,態度豪橫,無視用戶的訴求,不處理、不退款。

▲圖源黑貓投訴平臺截圖

以上的問題也只是冰山一角,「自象限」雖然沒有繳費報名成功,但在咨詢后的一段時間內,也頻繁地收到電話、微信的輪番轟炸,從早安到晚安,問候從未落下,還時不時地用其他員工的工資表進行挑逗、刺激。

▲圖源微信截圖

一次嚴肅的數據標注求職,儼然淪為了一場“割韭菜”游戲,老老實實拉框的員工顆粒無收,反而是收培訓費的數據標注公司賺得盆滿缽滿。

數據質量決定了大模型走得速度,即使是OpenAI也不例外。外媒報道稱,OpenAI一方面找了多家知名的數據公司來數據標注,一方面也自己組建了一個幾十名哲學博士團隊來做數據質檢。

大模型的根基在數據,數據質量直接決定了大模型進化的速度,從數據標注的亂象中,我們或許能一窺為什么中國大模型發展進度慢的原因,但既然大模型廠商們也意識到了數據標注的源頭問題,離我們真正突破到GPT-4,或許也就不遠了。

文中配圖來源于網絡。

作者:蘇奕,編輯:程心

來源公眾號:自象限(ID:zixiangxian),方格之間,自有象限。關心科技、經濟、人文、生活。

本文由人人都是產品經理合作媒體 @自象限 授權發布,未經許可,禁止轉載。

題圖來自 Pixabay,基于 CC0 協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!