大模型创业太累，又一位大牛逃回大厂 来源：量子位 大模型创业太累，又一大牛决定重回大厂。 Yi Tay，曾是Reka AI联合创始人，也曾是谷歌大模型PaLM、UL2、Flan-2、Bard的重要参与者。 本周是他回到谷歌的第一周，也是他离职创业一年半之后，选择回归老身份的开始。 他将继续担任谷歌DeepMind高级研究员，向谷歌大神、也是他之前的老板Quoc Le汇报。 回顾过去这段创业经历，他表示学到了很多，比如基础设施方面的知识、如何从头开始训练大模型等等。 但与此同时，他也经历了一些不那么好的时刻： 公司费劲筹集的一亿多美金，对于一个不到15个人的团队仍然紧张，还差点卖身自救。 个人层面，他的身心健康受到了很大影响。由于工作强度大和不健康的生活方式，他还长胖了15公斤。 为此他表示： 放弃舒适区并创业对我个人来说真的很可怕。 大牛重回谷歌大厂去年三月末，他官宣离职谷歌参与创业RekaAI，并担任该公司的首席科学家。 在此之前，他在谷歌大脑工作了3.3年，参与诸多大模型的研究，撰写累计约45篇论文，其中16篇一作，包括UL2、U-PaLM、DSI、Synthesizer、Charformer和Long Range Arena等，约20次产品发布，妥妥大牛一位。 从技术角度上讲，他坦言学到了很多关于在谷歌没法学到的知识。 比如学会使用Pytorch/GPU 和其他外部基础设施，以成本最优的方式从头构建非常好的模型。 为此他还在个人网站上分享了相关经验：训练模型的首要条件是获取计算能力，但这一过程就好像买彩票。 并非所有硬件都是一样的。不同算力提供商的集群质量差异非常大，以至于要想训练出好的模型需要付出多大的代价，这简直就是在抽签。简而言之，LLM 时代的硬件彩票。 这与在谷歌使用TPU相比，这些GPU的故障率让他大吃一惊。 此外他还吐槽外部代码库的质量远远落后谷歌的质量，这些代码库对大规模编码器-解码器训练的支持非常少。 但这种持续遇到问题持续解决的经验， 并非痛苦反而很有趣，并且最终凭借着自身技术实力也挺了过来。 在创业初期，他们的旗舰模型Reka Core在Lmsys首次亮相，就跻身第7位，公司排名前五，实现了对GPT-4早期版本的超越。 目前他们主要有四个模型，适用于不同的应用场景。 而真正“打倒”他驱使他离职的，是更为现实的原因。 就公司层面来说，作为初创企业，其资金、算力和人力跟其他实验室相比都要少得多。 就算他们分批筹集了一亿多美金，对于一个不到15人的团队仍然不够。 今年5月Reka AI还被曝出卖身自救，Snowflake正就以超过 10 亿美元收购Reka AI的事宜谈判。 不过现在来看，收购事宜还没有谈成。在Yi Tay宣布新动向后，他们紧急发声，现在公司还在积极招人ing。 而就他个人来说，这是段非常紧张的时期。尤其刚开始创业的时候妻子怀孕，他不得不同时兼顾两边，由此身心健康受到很大的损害。 并且由于高强度的工作和不健康的生活方式，他长胖了15公斤。 不过他自己也曾透露过自己有睡眠障碍。 种种原因，他决定重回谷歌，回归到一个研究者的身份。 在初创企业世界探索了一年半之后，我决定回归我的研究根基。 在分享经历的开始，他写下了这样一句话。 回到谷歌之后，他将探索与大模型相关的研究方向，以高级研究员的身份，向大神Quoc Le汇报。 在博客的最后，他感谢了创业这段时间始终联系的谷歌老朋友。 并且还特地感谢了在新加坡同他共进晚餐的Jeff Dean，并且提醒他Google 很棒。（Doge） 谷歌老同事：欢迎回来一些谷歌老同事在底下纷纷表示：Welcome back！感觉像是过了十年。 值得一提的是，像这种大牛重返大厂并非个例。 今年8月谷歌以25亿美元打包带走了明星AI独角兽Character.AI的核心技术团队，远高于Character.AI 10亿美元的估值。 其中包括两位创始人——Transformer“贡献最大”作者Noam Shazeer和Daniel De Freitas。其中Noam Shazeer出任Gemini联合技术主管。 这样看起来，对于这些大牛来说，大模型创业确实不易，重返大厂确实是个不错的选择，至少钱够算力够、安安心心做研究。 而随着新一轮的洗牌期到来，更多技术大牛朝着科技巨头聚拢，也已经初见端倪。 参考链接： [1]https://x.com/YiTayML [2]https://www.yitay.net/?author=636616684c5e64780328eece [3]https://www.yitay.net/blog/training-great-llms-entirely-from-ground-zero-in-the-wilderness [4]https://www.yitay.net/blog/leaving-google-brain 推荐阅读 MIT新晋副教授何恺明《计算机视觉进展》课程，附Slides与资料下载 西电IEEE Fellow团队出品！最新《Transformer视觉表征学习全面综述》如何做好科研？这份《科研阅读、写作与报告》PPT，手把手教你做科研奖金675万！3位科学家，斩获“中国诺贝尔奖”！最新 2022「深度学习视觉注意力 」研究概述，包括50种注意力机制和方法！【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！2021李宏毅老师最新40节机器学习课程！附课件+视频资料 欢迎大家加入DLer-计算机视觉技术交流群！ 大家好，群里会第一时间发布计算机视觉方向的前沿论文解读和交流分享，主要方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。 进群请备注：研究方向+学校/公司+昵称（如图像分类+上交+小明） ??长按识别，邀请您进群！