本文目录
大模型应用开发需要多少数学和理论,取决于目标岗位与实际任务。以 API、检索、编排和服务化为主的岗位可先掌握向量、概率与评估的应用直觉;涉及排序、微调、推理优化或研究时,需要进一步理解公式、实验假设和训练行为。项目实践和理论应围绕同一组问题互相验证。
作者:吴师兄 | 适合:担心"数学不好转不了 AI"的转行者,尤其研一/研二和工作约 3 年的 Java/后端 | 前置:能看懂中学数学和基本编程
数学不好,到底能不能转大模型应用
先给结论:数学基础薄弱不等于不能做大模型应用,但不能用“应用岗”三个字统一免除理论要求。原因是很多人把"训练模型"和"用模型做系统"混为一谈。训练一个模型确实要懂优化、概率、线性代数;而应用开发岗做的是检索、评估、编排、工程和取舍,这些活儿靠的是工程能力和产品判断,不是数学推导能力。
一个更实际的检验:你去读大模型应用岗的 JD 和面经,应记录目标岗位样本里的真实要求:有的追问集中在文档切块、召回、评估集和 Agent 控制,有的会继续问模型、排序或训练原理。数学在这里是"看得懂别人为什么这么做"的底座,不是"自己从零推一遍"的技能。