活动预告🥳：12 月 7 日，我们会请到 Ted 做一场线上活动，大家记得翻到 shownotes 末尾查看报名信息！

在我 9 月份的硅谷行程里，我见过的印象最深、让我最有收获的人之一就是 Ted。

那个时候他正要离开 Character.ai，作为第四十多号加入的员工，他对于 C.AI 的产品、模型、训练等等的熟悉程度都非常高，这次很开心能把他请来，跟大家一起分享下美国最著名的 AI 公司内部是如何运作的，Post Training 的最佳实践是怎么做的，以及硅谷一众 AI 从业者的现状和认知等。

这期播客的内容基本代表了美国最一线的 AI 从业者的实践和认知，非常有代表性，希望对大家有帮助！

最后，我们的 AI 私董会也在持续报名中，目前已经聚集了一批市场上最好的 AI 创始人，欢迎点击链接报名（里面也有目前已加入的成员名单，可点击查看）

【人类博物馆】

导游：曲凯，42章经创始人

28 号珍藏：Ted，前 C.AI 模型应用算法专家

Part 1 从内部视角看 C.AI

• 01:06 为什么商业化一直没做起来？
• 04:40 如果 C.AI 当时往 AGI 赌把大的，或者把产品交给字节系，能改写自己的结局吗？
• 06:51 我们很认可 Talkie，但不想学 Talkie
• 09:36 被收购后，你还相信 C.AI 类产品的未来吗？
• 11:35 有人说「C.AI 不是真正的 AI 陪伴」，那它到底是啥？
• 12:19 C.AI 为什么做得比别人好？

Part 2 我在 C.AI 做 Post Training 的这一年

• 14:56 工作状态是 996（主动的哈，passion！
• 17:15 Post Training 的核心是设计高效的迭代路径
  • 18:42 四种迭代路径，都有很多低垂的果实可以摘
  • 21:40 怎么评估和改善「模型变蠢」的问题？
  • 22:54 迭代中一个有趣的 EQ 涌现
    
• 24:19 Post Training 到底是怎么个流程？
  • 25:37 介绍 Post Training 三大件：SFT（监督微调) 、RLHF（人类反馈强化学习）、DPO （直接偏好对齐）
  • 32:07 以上天花板极高，RAG 和 Prompt Engineering 我们几乎没做
    
• 32:53 帮你拉开和同行差距的 2 道数据思考题：
  • 33:18 你微调用的数据，质量真的不能更高了吗？
  • 36:00 收集来的用户偏好数据，只能是点赞点踩吗？
    
• 39:32 大家现在关注的几个技术难题，C.AI 是怎么做的？
  • 39:49 怎么做好评估？
  • 41:10 怎么做好意图识别？
  • 43:22 C.AI 的语音延迟基本是业界做得最好的，是怎么做到的？
    

Part 3 硅谷观察

• 46:17 一个不被公开的秘密：ChatGPT 内部也是多模型混用？
• 47:28 硅谷整体还是很乐观，推理侧仍然大有可为
• 50:45 硅谷现状：
  • 51:01 做产品的想靠多模态赚钱
  • 51:06 搞算法的想复制 o1
  • 51:16 两边都在期待自动交互 Agent 解锁的想象空间
    
• 53:48 复盘最近的硅谷求职记
  • 53:54 Post-train 人才极其抢手
  • 54:27 印象最深的是，面 Cursor 的时候，我甚至被允许用 Cursor 现场解题
  • 56:03 最喜欢被问到「你觉得我们的 idea 有多不靠谱？」
  • 56:45 如果我是面试官，我会考察面试者的这项直觉能力
    
• 57:28 我很喜欢现在硅谷的氛围！当下可能是华人扬眉吐气的最好时机

【活动预告🥳】

12 月 7 日，我们会请到 Ted 做一场线上活动，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！

【The gang that made this happen】

• 制作人：陈皮、Celia
• 剪辑：陈皮
• Bgm：Mondo Bongo - Joe Strummer & The Mescaleros