mle offer求对比：Meta vs Glean

meta一切做llm4rec都以讲故事为主，如果不是真的信仰这个玩意儿，进来会做的非常痛苦。而且这个东西对简历帮助也不大。

peddlefish 发表于 2026-09-20 20:50:52
楼主这个纠结很真实，分享几点个人看法：1. LLM4Rec 这类工作其实离 LLM 主流技术栈比想象中近。SFT/RL/蒸馏这一套正是 post-trainin

什么ai slop

匿名用户 发表于 2026-09-20 23:11:39
meta一切做llm4rec都以讲故事为主，如果不是真的信仰这个玩意儿，进来会做的非常痛苦。而且这个东西对简历帮助也不大。

那坏了，这个组是需要ship到产品落地的

fdsafdsah 发表于 2026-09-20 22:22:03
你这个观点好像和主流观点相反啊，主流观点是：AGI来了有业务insight的能活，纯搞技术的会死。mrs真大佬不存在match不上的问题，oai里面都找不到人的

真有过硬的connection那去哪都随便去啊。但搜广推已经是暴力搞就行了，没有啥护城河了，所谓的insight就是一个md。几个月前还可能觉得context有意义，我现在自己的感受是搜广推已死，大模型的玩具。

匿名用户 发表于 2026-9-20 23:23
真有过硬的connection那去哪都随便去啊。但搜广推已经是暴力搞就行了，没有啥护城河了，所谓的insight就是 ...

能详细说说吗？llm latency这么高怎么做实时的ranking

匿名用户 发表于 2026-09-20 23:21:34
那坏了，这个组是需要ship到产品落地的

如果真的是onereason落地会很难 但如果是llm inspired话已经有很多落地场景

匿名用户 发表于 2026-09-20 23:49:44
如果真的是onereason落地会很难 但如果是llm inspired话已经有很多落地场景

看起来就是类似onereason的完全llm native ranking,还搞mid training rl opd啥的😂

Meta 这个如果真的能做 SFT、RL、distillation 这些训练方向，其实和LLM post-training挺接近的，之后转模型方向会比较顺。Glean更偏Agent应用落地，实际价值也有，但需要确认是不是偏workflow/RAG，还是有模型训练。现在post-training岗位确实少，有机会积累训练经验感觉更重要。你本身搜广推背景其实挺吃香，retrieval、ranking这些和LLM很多地方是能接上的。

匿名用户 发表于 2026-09-20 23:38:52
能详细说说吗？llm latency这么高怎么做实时的ranking

不是用llm实时ranking，是日常那点开发，brainstorming啥的，现在Astra已经足够了，之前还觉得搜广推context多，agent搞不定，现在不存在了。很快前端的今天就是搜广推的明天。只需要少数几个给agent把把关的人就行了。

匿名用户 发表于 2026-09-20 22:02:33
谢谢回复！我看到有人说内部llm相关的组转组竞争非常激烈，是不是很难进去

现在转组竞争非常非常非常激烈。