在 Anthropic 的这两年,我学会了 13 件事

The Dance Class by Edgar Degas, 1874

作者 | Karina Nguyen

编译 | 岳扬

我确定,Anthropic 再也不会是我当初加入时的那个样子了,而我自己也变了很多。大约两年前,我以前端工程师的身份加入,当时公司只有大约 50 人。而当我离开时,已是一名研究员,公司规模已超过 700 人。期间我学到的东西是:

1)一个团队前进的速度,很大程度上取决于两件事:一是做决定够不够果断,二是愿不愿意以开放的心态去做一些有风险的尝试。

2)每次训练一个新模型,都不可避免地会出现一些问题需要解决,而通常,通过仔细回溯、分析数据,你就能逆向推导出问题的根源。

3)最简单甚至最笨的方法,往往反而奏效。

4)你必须经历透彻理解的全过程,才能最终得出最简单的答案。

5)当技术具有颠覆性时,告诉客户如何利用它来解决问题,正是你的职责所在。

6)要让公司文化随着团队规模扩大而不被稀释,关键在于培养一批发自内心认同并主动传播核心价值观的「内部倡导者」。

7)研究(Research)的美感在于,把实验性的想法拿过来,让它在更大规模上跑通、生效。产品工程(Product Engineering)的美感在于,把一个富有远见的设计构思,不断打磨、提炼,最终变成在给定约束条件下最简洁、最本质、可执行的形态。

8)如果你也是团队"第一个具有设计背景的人",你的角色会更像是老师,得先教会大家怎么思考设计。这虽然累,但因为你需要不停地通过做漂亮的 demo 和幻灯片来展示愿景,你反而会因此学到很多关于如何融资和产品策略的知识。这是一种"失之东隅,收之桑榆"的成长路径。

9)发布 AI 产品,接受外界评估是躲不掉的。当你的模型足够强大时,你选择用学术界的哪把"尺子"来衡量自己,这本身就成了一种权力 ------ 你在给学术界"背书"。你必须清醒地认识到这种权力的分量,并负责任地使用它(比如公平、透明地选择评估标准),而不是滥用它来误导大众或者操纵研究方向。

10)在公司飞速发展的时期,你必须习惯在迷雾中往前跳(敢于冒险和承担不确定性)。而个人成长最快的途径,就是不怕接手没人碰过的烂摊子,承担起超出自己本职的责任,并且付出远超别人期望的努力。这是一种典型的"在战斗中学习,在扩张中晋升"的成长路径。

11)团队内部平时怎么写文档、怎么沟通,决定了你们能想出什么样的点子,以及这些点子能不能变成现实。

12)不必总是执着于从零到一的原创,有时候,快速识别出已经被验证过的正确方向,然后集中资源、吸取前人教训,以更优的执行力去超越对手,是一条更稳妥、更快速的成长路径。

13)友谊不是目的,而是你专注做事、真诚待人之后,自然收获的珍贵礼物。

END

本期互动内容 🍻

文章提到"最笨的方法往往反而奏效"。你有没有经历过"绕了一圈才发现答案就在起点"的时刻?是什么让你当时愿意先试试那个"简单方案"?

本文经原作者授权,由 Baihai IDP 编译。如需转载译文,请联系获取授权。

原文链接:

semaphore.substack.com/p/things-i-...

相关推荐
焱童鞋6 小时前
基于DJL的LSTM水文预报模型训练完整指南
人工智能·rnn·lstm
猎嘤一号6 小时前
博弈论(Game Theory)的理论、算法与工程
人工智能·算法·安全·博弈论
V哥AI增长6 小时前
Schema.org 结构化数据与GEO技术落地:AI引擎引用机制与JSON-LD部署实证研究
大数据·运维·人工智能
马拉AI6 小时前
腾讯开源 Agent 记忆系统,AI“换对话就忘”的问题有了新解法(附安装使用教程)
人工智能·算法·开源·科研
IT_陈寒6 小时前
JavaScript类型转换把我坑惨了,这破玩意真该早点搞明白
前端·人工智能·后端
用户938515635076 小时前
手写一个 LLM Harness 框架:用工程化手段把大模型幻觉踩在脚下
javascript·人工智能·后端
前端开发江鸟6 小时前
我能解释 RAG、MCP 和 Eval,却画不出一条完整的 Agent 链路
人工智能
ivywriter7 小时前
【具身智能】物理AI具体指什么,和具身智能是什么关系?
人工智能
new_zhou7 小时前
C++ 项目 AI 协作指南(Windows / MSVC 环境)
c++·人工智能·windows
洛阳泰山8 小时前
AI 应用层被 Python 卷成红海,为什么我偏要用 Java 造一个 RAG + 工作流引擎?
java·人工智能·后端