寫詩作畫樣樣精通、診病解題事事都行……如今，“十項全能”的AI（人工智能）令人驚嘆不已。作為幕后推手，AI訓練師逐漸走入大眾視野。

　　從數據“搬運工”，到專家“培養者”，AI訓練師見証了人工智能的飛速發展，自身也正經歷著日新月異的變化，甚至悄然催生出新的培訓需求。

　　現狀

　　半路出家 從數據標注做起

　　“這兩年國內AI越來越火，相關崗位也變多了。”今年初，物聯網專業本科畢業的小雅正式進入互聯網大廠外包公司，成為一名AI訓練師。“主要做數據標注，我分到的是數學方向，用LaTeX這種工具寫解題過程。”

　　小雅坦言，這項工作並不需要太多專業背景，“有規則文檔，對照著把步驟整理出來。”

　　去年底，美術專業出身的小琳也從UI（用戶界面）設計師轉行成為AI訓練師。“之前做了10年設計工作，后來覺得這個行業快要被AI取代，於是選擇改行。”小琳發現，如今的工作與設計基本毫無關系，“我主要做文本類的數據標注，按照公司規則對模型生成的內容打分、改寫，從而訓練大模型。”對於這份新工作，小琳有著自己的理解，“可以把大模型想象成一個小孩，你要教這個小孩怎麼輸出更合理的內容。如果小孩犯錯，還要給糾錯。”

　　相比起這兩名剛入行的“新手”來說，小磊儼然已經是行業裡的“老兵”。作為金屬材料專業的肄業生，小磊手中的最高學歷隻有高中。2018年，從事客服工作的他偶然接觸到智能客服產品，“當時在一個外包項目裡負責輔助互聯網大廠的訓練師做數據標注，一年后被訓練師介紹過去專門做這個。”

　　在當時，這項工作十分冷門，“對方看我有工作經驗，也就沒有卡學歷。”就這樣，小磊抱著學習的態度踏入AI行業。

　　“最初主要為智能產品做個性化需求落地，以問答為主，可以算小模型，通過搭建知識庫、調整問答策略來提升回答質量。”2022年以來，小磊轉向從事與大模型有關的數據標注，主要負責提供各種語料，並帶領資源團隊進行數據生產。“需要與算法技術團隊密切溝通，將他們對數據的需求轉化為具體的標注規則。”

　　以常見的問答文本標注為例，小磊不僅要制定答案質量的打分標准，如考量回答的正確性、全面性等，還要對低分答案進行修改，將其轉化為高分答案。“規則都是五花八門的，永遠不知道下一批任務的規則是什麼。”

　　現階段，小磊面對的數據標注規模動輒上萬甚至幾十萬條，需要團隊協作完成。“團隊規模根據項目需求動態調整，小的時候可能隻有五六個人，大的時候則可達上百人。”

　　變化

　　崗位細分 薪資待遇差別大

　　在行業內打拼多年，小磊目睹了大模型出現對AI訓練師帶來的影響。“在大模型出現之前，AI訓練師的工作相對聚焦。”小磊回憶說，“以前輸出內容主要依賴知識庫檢索，數據標注只是重新設計表現不好的語料，標注工作相對輕量，問題觸發的內容也都是行業內部知識，可控性比較強。”

　　自從大模型誕生，這項工作變得復雜許多。“現在任務類型多種多樣，除了文本以外，還可能有圖像、音頻等，大模型根據語料推理出來的答案也更加不可控。”

　　小磊提到，DeepSeek的出現也給行業帶來很大變化。“過去大家都在堆語料，覺得越多越好，但現在要打個問號，思考是不是應該調整方向。”小磊說，以往做小模型的知識庫構建時也曾遇到過類似問題，“一開始確實堆的知識越多效果越好，但超過臨界值以后，反而會出現意圖纏繞，知識變得混淆不清。”

　　盡管大模型的功能日益強大，但小磊發現問題也逐漸凸顯。“大模型確實很擅長公文寫作，只是精准度依然有限。像央企國企的公文，通常要求較高，大模型暫時還很難達到這個標准。”

　　此外，“AI幻覺”也成為備受關注的熱門話題。“大模型在回答時出現錯誤，甚至‘一本正經地胡說八道’，背后原因可能是多種多樣的，其中就包括語料的質量問題。”小磊說，需要針對案例進行排查，確認到底是哪個環節出了問題，然后再調整大模型本身的策略。

　　為了提升語料的質量，小磊會嚴格篩選可靠信源。“比如，文本類主要選擇權威新聞、期刊和實體書等，而不是一些營銷號的內容。”在標注過程中，小磊也會對標注人員進行規范培訓，要求他們按照標准流程進行信息採集和處理。同時，團隊還會參考其他大模型的回復，“相互借鑒，不斷優化自己的模型。”

　　在大模型的推動下，AI訓練師的崗位不斷細分。“之前給AI當老師，主要是教基本知識，有點像教小孩子學常識。現在AI具備了一定的認知能力，就需要有更高水平或者更專業的人來教它高階思維。”據小磊介紹，現在大模型涉及越來越多專業領域知識，也就需要更多具備醫療、教育、法律等專業知識背景和從業經驗的人才加入進來，“這些專業性強的語料生成，外行確實做不了。”

　　在小磊看來，崗位細分的同時，AI訓練師的薪資待遇差距也在拉大。“像基礎的數據標注崗位，月薪可能隻有幾千元，而大公司裡要求較高的崗位，月薪可以達到三五萬元。”

　　提醒

　　學費較高 沒必要盲目跟風

　　記者在調查中了解到，隨著AI訓練師崗位需求不斷增加，相關培訓迅速興起。

　　“現在很多人轉行做這個，培訓班上什麼專業的都有。有剛畢業的，也有工作好多年的。”上崗前，小雅就報班參加了AI訓練師課程。“一共也就10次課，報班就是為了心裡有個底，其實也可以自己投簡歷，面試多了自然就知道會問什麼，面試通過以后可以在干中學。”

　　轉行前，小琳同樣選擇先報班“補課”。“算是回流了，2013年剛畢業那會兒就在這個機構學的UI設計師。這兩年好多設計師的工作干不下去，機構就又開了AI訓練師的課，讓大家學完盡快轉行。”說到這裡，小琳不由得苦笑，“我要是有講課的天賦，我也去開班了，還是開班賺錢。”

　　記者在社交平台上搜索，發現不少分享轉行經驗的AI訓練師都在小琳所說的這家機構報過課。

　　“我們的AI訓練師課程是就業導向的，需要線下學習，在北京、深圳、杭州都設有校區，這些城市的工作崗位也比較集中。”據機構工作人員介紹，培訓持續5周，上課時間安排在周末，共10次課。從大綱來看，課程相當緊湊，學員需要在一天之內學習大模型行業通用規則、單輪對話項目實訓、多輪對話項目實訓和AI訓練師必學代碼課。“學完專業課，會分配一對一的就業輔導老師。”

　　工作人員稱，學費每期漲1000元。“現在報名的話是第13期，3月29日開課。原價22999元，最近幾天有一個拼團折扣價，優惠完20999元。第14期的話是5月10日開課，差不多就是這麼一個招生節奏。每期50名學員，分成兩個班。”

　　在去年10月的培訓中，小琳從課上了解到Reward模型、RAG項目等內容。“但這些只是基礎知識，到了公司還是要靠自己在實際工作中摸索。”如何在簡歷關和面試關解決零經驗的問題？小雅從培訓中學到了“應對策略”，“可以結合以前的經驗，把AI融入進去。”

　　作為過來人，小磊發現，很多數據標注方面的外包公司招聘需求很大。“這項工作相對比較枯燥，成長性也有限，很多人干一段時間就走了。”小磊說，如果本身學歷有限，對這一行感興趣，暫時也沒有太多機會和選擇，那麼不妨嘗試從數據標注做起，“起碼也算接觸了這個行業，后期通過工作經驗積累，也能慢慢往更高階的訓練師方向轉。”

　　至於要不要報班，小磊表示沒必要盲目跟風。“如果只是做數據標注，其實要求沒那麼高。就算是為了應對面試時的問題，也未必需要花高價報班，完全可以找一些相關知識自學一下。”（北京晚報記者 宗媛媛 文宋溪）

分享讓更多人看到