圖片來源 @視覺中國
文 | 自象限
" 人均月薪兩萬、本科以上學曆、直通百度字節。"
有些許荒涼的年底招聘市場，在最近的短短一周之内，突然冒出了一大批 "AI 數據标注員 " 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 們都異常活躍，一天 24 小時幾乎全程在線，日均回複次數在十次以上，隔幾分鍾就回複一次。
" 最近隻要一上線，有關 AI 數據标注員的招聘消息就瘋狂彈，重複地彈。" 不少正在求職的人向【自象限】反映，" 上次這麽瘋狂的打招呼，感覺還是主播招聘。"
▲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 數據标注員 " 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 " 數據标注 "、"AI 話術編輯 "、" 數據标注分析師 "、" 标注員 "、"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，入職的數據标注員們的日常工作包含，大模型的編輯校對、大模型的數據标注管理、大模型的内容質量評估等。
「自象限」向多位招聘 HR 進行了咨詢，" 工作的主要内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。" 有獵頭回複道。
高薪資待遇、挂鈎大模型、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紮根了，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，基本學曆要求本科起步，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，" 簡曆初篩 - 發筆試題 - 筆試題通過一輪面試 - 直接發 offer- 培訓 "，在學曆方面，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 數據标注員 " 背後，藏着大廠的大模型棋局。
我，給大模型當 " 考官 "月薪兩萬
曆時一個多月的面試，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 數據标注員。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。
坐在兩台電腦前，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台得到驗證，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。"
▲圖源社交媒體平台小紅書截圖
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緻，答案是否正确。
若遇到諸如作文一類沒有标準化答案且開放性的問題時，則需要評判答案的好壞，比如，系統會随機給一組數據，包含 1 個問題和 3 個回答。羅文需要先标注出這個問題屬于什麽類型，随後給 3 個回答分别打分并排序。分數區間爲 0-5 分，如果打分低于 3 分，還要标注出具體原因，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曆的原因。
爲此，「自象限」也了解到，由于百度地圖的數據标注，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，所以對數據标注的質量要求更高，的确搭建了專門的數據标注團隊。
市場上對 " 羅文 " 的需求，不止大模型公司。據「自象限」統計，目前，市面上的數據标注崗位大緻分爲兩種。
一種以 NLP（自然語言）爲主要方向，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。這其中又分爲幾個細分的方向，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，爲其智能駕駛業務提供圖像數據質檢和标注幫助。
「自象限」觀察發現，十一月是 NLP 方向數據标注的轉折點，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 數據标注崗位，招聘軟件上也隻是零星地開放了實習生的崗位，通常不設學曆上限，大專學曆封頂。
毫無征兆地突然冒出一批崗位需求，這背後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，國内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-5，一邊是國内企業喊着 " 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，國内大模型廠商開始瘋卷 "AI 數據标注員 "，爲大模型能力 " 飛升 " 再加一把燃料。
大廠卷精标，粗标 " 割韭菜 "
事實上，數據标注并不是新鮮事兒，早已有之。以前的形式是粗标，主要表現爲 " 拉框 "，但現在粗标發展得亂了套：一是此前大廠粗标多爲衆包标注平台，工單分散，人員不專業，導緻标注質量不行；二是随着大模型的精進，粗标變得越來越不夠用，精标的地位由此直線上升。
針對粗标和精标的差異，某大廠員工解釋道：" 一般廠商的外包團隊，能做标注，但他們就是按照框定的規則标注，如果出現規則之外的數據，标注就會存在通過率不高的情況來回反複，但是由工程師團隊來做，特别是針對自動駕駛輔助駕駛等回傳的數據，他們知道背後的原理，可能不會按照常規的思路标注，會帶解決問題的思路來标注，可能需要跳出之前制定的标注規則，這樣标注數據的質量會更高。"
大模型爆火，也爲粗标刮起了一陣 " 新錢風 "。
目前，粗标求職陣地已經從招聘軟件轉移到了快手等短視頻平台。以快手爲例，粗标求職熱度與快遞員并列，大量數據标注公司入駐快手，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 " 曾在發布會中特别提到：" 要解決數據标注職類線下招聘難，應聘者少的核心訴求問題 。"
落實到實處，快手從公司資質審核、流量扶持、公司推薦到數據标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标注求職信息。
這一定程度上也成爲了某些數據标注公司的 " 尚方寶劍 "。在招聘時候，宣傳之詞毫無遮攔，" 無需學曆，上手即會，小學生都能做 "，" 拉一個框，打一個标簽，就是半個毛 "，" 拉 3000 個 150 元，6000 個 300 元，月入 7000-8000 灑灑水，隻要手速夠快 "，極盡誇張之詞。
但事實究竟如何呢？一萬塊錢能拿得如此輕松嗎？
爲探究真假，「自象限」在快手報名聯系上了一家熱門數據标注公司。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。入職後的主要任務就是接任務包，在圖片上拉框、标注和打标簽。
▲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，第二個月以後按月結算；新手小白需要先繳納 2580 元培訓費用，一年内工資累計達到 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。
但在黑貓投訴平台上，上述公司成爲了數據标注投訴的重災區。
一些投訴用戶的經曆與我們相吻合。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，培訓内容非常簡單，且耗時長，耽誤用戶上崗；第三，不給通過和達标，總是卡拉框的合格率，最終影響收入；第四，态度豪橫，無視用戶的訴求，不處理、不退款。
▲圖源黑貓投訴平台截圖
以上的問題也隻是冰山一角，「自象限」雖然沒有繳費報名成功，但在咨詢後的一段時間内，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。
一次嚴肅的數據标注求職，俨然淪爲了一場 " 割韭菜 " 遊戲，老老實實拉框的員工顆粒無收，反而是收培訓費的數據标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标注，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，從數據标注的亂象中，我們或許能一窺爲什麽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标注的源頭問題，離我們真正突破到 GPT-4，或許也就不遠了。
