SDE转MLE从哪个方向入手比较好？

公司可以内部转岗，目前确定可以转到MLE，有不同的组。
有的组是做搜广推的，主要是ranking。
有的组做LLM 的application。
我个人没什么偏好，我的需求是好上手。纯MLE新人。
大家有什么建议吗？


自己做了一些research。
.--搜广推：
pros:
1.发展的比较成熟
2.比较传统的ML思路，有助于打好基础
cons：
2.可能机会没llm好挖掘，以及没llm热门。
. .и

LLM application
pros:
1.当前比较热的方向
2.问了个朋友，说比较容易上手
cons：
1.直接做llm application 不利于打好基础？

过来人回答一下，之前也是公司内部转组从SDE变成了MLE，上手的第一个项目就是LLM application，后来又做了一些传统搜广推和一些LLM搜广推结合的工作。

LLM 要看是具体做什么，如果特别偏应用，比如只是做prompting，现有model直接拿来就用，大多没什么技术含量，如果是训练模型/fine-tune，可能会更有技术含量一些。更好就是做modeling不过很少人去弄这个，因为大家都是直接拿一个pre-train好的model fine-tune之类的。很少做architecture的改变。做application最怕的坑就是在外面蹭蹭不进去，做了几年下来模型是个blackbox，只拿output去应用并没有学到ML相关。

LLM的好处就是东西都比较新，大家都是这几年从头开始学，所以你的起点没差太多。容易忽悠别人。

搜广推的好处就是硬通货，做ranking一般都是核心组。了解了之后一通百通， 可能更偏modeling。有用请加大米。

感觉还是得从 ML Infra 这个方向转容易些

个人觉得搜广推就算了 不是不好 是想走得远对于数学理论基础要求较高 llm还不错 热门 而且年龄短 没啥基础可言（现在积累的就是未来的基础）

做llm应用主要是调用api吗？还是开发模型？

插眼观察。

发过论文吗？训过模型吗？调过参数吗？部署过LLM并处理过高并发吗？如果都没有的话，建议从上面几条入手

我建议还是传统搜广推，抓一个方向搞。

LLM的话可以多了解下基本原理，比如VLM，SFT，LORA，MOE，这样业界出点新东西不至于一头雾水。

搜广推也没那么容易转吧。。。

顶 放个耳朵

LLM吧

为什么“1.直接做llm application 不利于打好基础？”

也许LLM把传统ML颠覆了，你用LLM直接产生其他ML model了，或者完全替代了。那你打什么基础。