大模型的出现激发了不少新兴岗位，也让越来越多从业者备受关注。数据标注作为人工智能产业链上的基础环节，正经历着前所未有的转型与升级。
2022 年底，ChatGPT 引爆了大语言模型热潮，全球科技巨头纷纷入局。随后，技术边界不断拓展，文生图、文生音频、文生视频、图生视频等多模态技术'玩'出了新高度。近期大模型生成的兵马俑甚至跳起了'科目三'热舞，展示了生成能力的惊人进步。
大模型的热潮为人工智能开启了新篇章。作为大模型数据能力链条上的重要一环，数据标注受到前所未有的关注。数据是人工智能的基础，是大模型源源不断的养分来源。数据标注这个环节做得如何，直接决定了大模型有多聪明。
OpenAI 在全球大模型领域处于领先地位，在数据标注上也有一套成熟的方法论。他们的核心方式是先做出预训练模型，再用强化学习加上人工反馈来调优，即 RLHF（Reinforcement Learning from Human Feedback）。他们找了很多家数据公司共同完成数据标注，自己还组建了一个由几十名哲学博士组成的质检团队，对标注好的数据进行检查。评估标准不是简单的对错，而是给每个问题选出多个匹配的结果，再经过多人多轮的排序，直至模型数据符合常人思维，甚至在某些专业领域的结果要达到中等以上知识水平。OpenAI 成立 8 年，花费约 10 亿美元用于模型训练，可见其对数据的重视程度。
一、大模型标注的特点
- 非结构化 上一代数据标注工作，主要以'打点'和'画框'为主，例如让机器学习识别什么是'人脸'，什么是'障碍物'。这需要严格按照客户给定的标注规范进行，标注要求偏客观。现在的大模型标注更像是在做阅读理解，让模型学习应该给出什么样的内容，判断大模型生成的多个结果哪个更接近满分答案。标注要求偏主观，难以形成统一的标准。
标准从客观到主观，使得标注工作难度显著提升。这非常考验标注师的主观能动性以及解决问题的能力，而且标注师需要具备很广的知识面。这说明数据标注工作不再是个结构化的简单劳动，而是变成了需要逻辑思维的非结构化工作。
- 知识密集型 大模型背景下的标注工作主要分为两类：通识大模型标注、领域大模型标注。目前市面上的大模型产品多数是通识大模型，即便是通识大模型，标注工作也是非结构化的，需要标注师具备很广的知识面，且具备较强的自然语言能力。例如百度智能云海口标注基地承担的主要工作就是通识类的标注。
至于领域大模型标注，对学历、能力、专业度的要求则更高。目前大多数行业或企业，需要的都是具备领域知识的专业人才，他们要重点解决金融、医疗、科技等领域的专业问题，最终形成符合专业逻辑的高质量数据。比如，政务大模型中，用户通常会问很多'专精'的问题，例如'社保断缴 5 年怎么办？'这需要标注师读取大量的政府文件，并能从中找到准确答案，而非简单的关键词匹配。
- 学历要求高 当年，数据标注被称为 AI 领域的流水线工人，通常集中在东南亚、非洲或是中国的河南、山西、山东等人力资源丰富的地区。为了控制成本，标注公司的老板们会在县城租一块场地，摆上电脑，有订单了就在附近招人兼职来做，没单子就解散休息。简单来说，这个工种有点类似马路边上的临时装修工。
如今的标注师坐在窗明几净的写字楼，有自己的工位，环境宽敞，上下班要打卡，看起来和互联网公司里的白领们差不多。事实上也是如此，就像百度在海口的大模型标注基地，本科比例已经达到了 100%，甚至很多专业领域的标注人员都是硕士或博士学历。他们的身份不再是简单的标注员，而是领域标注专家。
二、大模型标注的岗位情况
- 岗位要求现状 在北京，普通标注员的薪资水平在 6-8k 之间，和基础的文员岗位薪资差不多。而大模型标注的薪资却高得多，在招聘网站上看了一些大模型标注的岗位，薪资水平多数在 10-15k 之间，甚至某些专业领域的标注人员薪资水平接近两万。这些岗位可都是执行层的标注人员，并非管理岗或专家类岗位。
当然这些岗位的要求也比较高，学历要求基本都是本科起，某些还会要求一本或 211/985 院校。除了硬性的学历要求，对专业能力或综合能力要求也比较高。某些会要求专业领域经验，比如教育领域的标注需要懂教学法，财经领域的标注需要懂金融常识。或者某些会要求外语水平，这也是很容易理解的，因为大模型是和世界接轨的，国内很多大模型产品也需要部署外语环境下的大模型，以支持多语言交互。
- 岗位发展建议 由此，给在做数据标注或考虑做数据标注的同学两条建议： 第一，有机会一定要转型到大模型领域，如果没有机会就要想办法创造机会。总之这波大模型的趋势我们一定要抓住，因为这可能是我们普通标注员为数不多的发展机会了。 第二，一定要从事有专业知识的标注工作。简单标注工作薪资水平低，关键是很容易被替代，所以要建立自己的专业壁垒，才能在变幻莫测的职场中，使自己立于不败之地。
三、大模型标注的发展前景
- 职业发展前景 数据标注这条流水线目前主要由标注师和质检员组成，完成标注后，直接交给算法工程师，他们会用数据对大模型做测试，看看哪些方面还有不足，再有针对性的做下一轮标注和调试。
未来，这条流水线上还会出现更多细分岗位。例如模型评估师（指导大模型调优方向）、指令工程师（研究与大模型交互更高效的方式）、视频音频标注师、专业领域标注师等。这些岗位都是现在标注人员的发展方向，不仅岗位有更细分、更专业的发展方向，而且岗位需求量也会不断增大。预计未来五年，数据标注相关专业人才缺口将达百万量级。
指令工程师是一个值得关注的方向，他们负责设计高质量的 Prompt（提示词），通过优化输入来激发模型的潜能，这需要对模型行为有深刻理解。模型评估师则需要制定评估指标，量化模型的回答质量，确保输出符合安全与伦理规范。
- 行业发展前景 目前数据标注市场主要有两类参与者，一类是第三方标注公司，另一类是头部科技公司自建数据标注团队。此外还有一些中间商，对接公司需求和标注团队。
