内窥MLE 2.0:转行Q&A

Context
前情提要见上一篇帖子。TLDR北美大厂MLE大致分类（1️⃣product ml 2️⃣ml infra 3️⃣ml research）和具体工作内容。

Q&A
Q1: 鄙视链存疑。“凭什么1瞧不起2！我们2技术深度老强了！”
A1: 这玩意跟QS排名一样，随手写图一乐🤡，主要是以对model的理解排的，换一个ranking metric链就不一样了。都是打工牛马，你自己技术牛逼就完事了，别放在心上。

Q2: 1️⃣型MLE会不会被LLM取代？xxx会不会被LLM取代？
A2: 暂时不会，但是只会调参的MLE是没有出路的，bar越低的工种越会被AI取代。巴菲特在挑选股票的时候特别在意公司的护城河，同理我们也应当把自己当成公司经营，构建自己的护城河。1️⃣型MLE的护城河不在调参（现在AutoML贝叶斯调的比人还好还快）而在product sense（ML和产品结合的能力），包括如何通过data analysis发现产品的漏洞，不同的model arch design怎么适配不同的产品（Q：story ranking和reels recommendation哪个应该用更复杂的model），如何做engineering tradeoff（metrics gain vs capacity regression）等等。这些暂时是AI没法做决策的。
非要问会被AI取代的tech工作，就是那些已经标准化流程，不需要人做决策的工种。比如市场已经饱和的BA&DA&DSA 会被prompt2SQL取代，因为SQL本身就是logic很简单很structured的语言，LLM现在写的很标准了（没有贬低的意思， 这类DSA需要构建自己的护城河比如增加讲故事的能力）；比如recruiter尤其是sourcer，因为招聘流程很标准了，留几个能把控全局的recruiter会用AI recruiting tools就行；比如只会写简单网页的programmer，已经被现在各种一键做网站的工具取代。其他行业同理。
AI是一把双刃剑，用的好是工具，不思进取是坟墓。

Q3: 我现在是A型MLE，要不要转B型MLE
A3: 恭喜你已经在考虑拓宽自己的边界了，是一个很好的mindset。其实我的分类很粗略，只是给大家一个参考，实际工作中它们之间的界限比较模糊，大多数时间需要你都懂点（尤其是小厂需要full stack），所以不要把自己框死。要不要转取决于你的兴趣，这几种应该都有美好未来。以我自己为例，刚转mle的时候只会做1，后来发现很多serving bottleneck在2又去找同事学习，现在在做的是123的结合，既要drive product metrics，也要考虑efficiency(QPS, gpu training&serving, memory, etc)，还有机会发eng paper，个人觉得很有意思，都了解一下视野反而更开阔，能站在更高维度思考问题，更能打开上升通道。

Q4: 我现在xx学历，xx经验，没有phd，没有相关经历，能不能转MLE
A4: 可以。首先学历wise，身边确实很多名校cs stat phd，但是这个不是必要条件。也有很多master甚至bachelor STEM学历的人or天坑专业phd的人做得风生水起。工作越久，和学历越无关，你和科班的人只是差了几门cs和ml的课。phd培养的是你在未知领域探索深耕钻研的能力，但是MLE也需要其他phd不具备的业界能力，如果为了做MLE去读phd，ROI不高（5 yoe phd ～= 2 yoe work experience）；其次如果没有e2e ML经验，可以找内部合作机会或者side project去了解这一套流程，并把这些写在简历上。fake it till you make it
至少身边统计学来看，MLE现在还是蓝海，内部freeze其他hc也不会freeze mle hc，当初laid off之后最先开始hiring的也是MLE，转组的时候MLE是香饽饽，组里常年招不到人。身边有一些new hire完全没MLE工作经验以前是做SDE的，靠面试进来，通过不断学习也慢慢站稳了脚跟。只要你能过面试，就是qualified，相信自己。

Q5: xx（DS/DE/SDE）如何转MLE，会不会降级
A5: 其他公司不知道，说说我知道的。内部转的话，SDE大概率不会降级，甚至不用转直接和HM聊完上岗。MLE在job family里是SDE的一种，和其他backend，mobile，infra一样，都是一种track。其他不是一个job fam，不是engineering heavy的岗位（DS，DE，PM）要重新面试定级别，考虑到工作相关性打折扣，大概率会降级。外部跳槽的话，取决于你的简历怎么编/framing。要适当学习三哥吹牛逼不打草稿的能力，比如把自己的5yoe DS/SDE经历尽量往engineering+ml上靠，DS在你的简历已有modeling的基础上，要多highlight你做的一些eng effort，比如automation，monitoring system，data governance，model serving, SDE在你的简历已有infra，engineering的基础上，要多highlight你的data analysis，modeling，llm经验。总之就是缺啥补啥，工作内补不了就做side project补。还是那句话，这个世界是个草台班子，很多东西看似高大上，进去看看就那样，arriveCan这个高中生都能写的更好的app花了6000w加币，川建国加征关税的计算公式小学生都能推。只要你能勇敢展现自己，能过面试，survive下来，你就是qualified。正念，相信自己。

Q6：合着ml就你们llm nlp啊
A6: 没有这个意思，ml已经渗透到各个领域，除了搜广推llm还有robotics，自动驾驶，bio-medical，graphic，VR，AR等等，只不过现在的job market 90%的岗位需要搜广推+llm技能，转专业选手还是不要考虑小众赛道，水深你把握不住🐶，不如顺应风口。作为tesla/meta股东我也想cv，vr火一把啊，但那么多自动驾驶厂都解散跑路了，元宇宙成了扎子的PPT秀，🍎放弃造车vr成本迟迟下不来，能咋办。主包非常希望AI能在不同领域都有突破，各国都走出经济衰退，世界大同。AI的奇点已经到来，我们都在见证历史。



补充内容 (2025-06-21 05:42 +08:00):
别光收藏啊 记得点赞加米

感谢分享。我感觉1和3非常难转，我现在是sde，以前是ds，最近面试了好几个1，但是只拿到一个初级mle的职位，我已经6年经验了，很多题目回答不够深入，尤其是ml product design，感觉还是多一些经验才能答得好。现在在很多公司，至少我面试的大多数公司，很多2 ml infra都是属于sde的，而且工资比1低一档，想senior的话是低100k左右(例如snap)。如果能直接平级sde->1，那是相当好了，退而求其次是sde->2,但得忍受很多公司工资低一档，以及还有1和3是2的上帝的心理准备。

感谢lz分享。看来genAI时代，如何能将AI落地是核心能力。但这事儿其实不一定由1型MLE来做，其他种类MLE，PM/DS，甚至product design其实都可以做。岗位之间的边界更模糊了。

感谢分享!!

> 现在在做的是123的结合，既要drive product metrics，也要考虑efficiency(QPS, gpu training&serving, memory, etc)，还有机会发eng paper，个人觉得很有意思，都了解一下视野反而更开阔，能站在更高维度思考问题，更能打开上升通道。

太羡慕楼主了！能够这么多，还能发paper！

先赞再看。楼主威武。

很好的总结。补充一点，1类的中等偏上的人才在市场上工资普遍比2类中等偏上的高，做到顶尖都差不多，但2类做到顶尖和1类一样难

leogalante 发表于 2025-06-21 00:09:36
很好的总结。补充一点，1类的中等偏上的人才在市场上工资普遍比2类中等偏上的高，做到顶尖都差不多，但2类做到顶尖和1类一样难

中低层的1类做的东西没啥难度。无论中低高层value的都是你的product sense。当然面试是另外一码事

感谢分享，学习了。

楼主多发表建议，感觉很有启发。另外问一下 从EE专业转到做AI Researcher 该怎么准备？

买它很少听说有mle发eng paper，op指的是最近ads ranking发的那种？