在最近的招聘市场上，一大波有关“AI数据标注员”的岗位开启了火热招聘，而这一现象背后，离不开大模型热与大厂的大模型布局。这篇文章里，作者就做了一定的讲述和分析，一起来看一下。

“人均月薪两万、本科以上学历、直通百度字节。”

有些许荒凉的年底招聘市场，在最近的短短一周之内，突然冒出了一大批“AI数据标注员”的岗位，正在火热招聘中。

据「自象限」搜索，这些岗位不仅有百度、字节、京东、滴滴、美团等“梦中情厂”，工资月薪十分亮眼，都在1万到2万元之间，且发布时间很短，都在1周到1个月之间。

除了新以外，岗位招聘显然非常急迫。据招聘软件显示，HR们都异常活跃，一天24小时几乎全程在线，日均回复次数在十次以上，隔几分钟就回复一次。

“最近只要一上线，有关AI数据标注员的招聘消息就疯狂弹，重复地弹。”不少正在求职的人向【自象限】反映，“上次这么疯狂的打招呼，感觉还是主播招聘。”

▲图源Boss直聘截图

招聘的火热，很难不让人想到大厂的大模型之战。

不过，据「自象限」观察，“AI数据标注员”招聘不是由这些大厂直接操办，而是通过猎头公司来负责招聘。岗位的名字也是五花八门，有“数据标注”、“AI话术编辑”、“数据标注分析师”、“标注员”、“AI训练师”等等。

虽然叫法不同，但关于这些岗位的职能描述却大差不差，据招聘软件信息显示，其中很大一部分岗位跟现下大热的大模型有关，入职的数据标注员们的日常工作包含，大模型的编辑校对、大模型的数据标注管理、大模型的内容质量评估等。

▲图源Boss直聘截图

「自象限」向多位招聘HR进行了咨询，“工作的主要内容是对文心一言大模型回答结果的分析和判断，工作的地点在百度科技园。”有猎头回复道。

高薪资待遇、挂钩大模型、大厂哄抢……有求职者看到了机会，“大模型的风，要带动新一批大厂人扎根了，普通人的机会来了吗？”

但事实上，时间紧、任务重的岗位招聘，要求却并不算低，基本学历要求本科起步，985、211优先本科和硕士优先，在具备语言学、中文信息处理、计算语言学、文学等相关专业背景的同时，还得对一些AI技术的原理有了解。

花椒科技告诉我们，面试的基本流程是，“简历初筛-发笔试题-笔试题通过一轮面试-直接发offer-培训”，在学历方面，猎头强调“必须得是一本才行，211/985优先”。

严格准入门槛，招聘软件上神秘的“AI数据标注员”背后，藏着大厂的大模型棋局。

一、我，给大模型当“考官”，月薪两万

历时一个多月的面试，中文系毕业的罗文（化名）最终敲定了自己的offer——百度文心一言的AI数据标注员。连她自己都不敢相信，一个纯技术小白现在的日常竟然是给大模型当“考官”。

“毕业三年，没有任何AI经验，转行涨薪，幅度近50%，月薪在9k-15k左右”，罗文告诉我们。

坐在两台电脑前，罗文每天的主要工作有两项：一是做题，直接给大模型进行“填鸭式”教育；二是给文心一言当“判官”，评判给出的答案对不对、好不好。

所谓“填鸭”就是强行把写好的答案喂给大模型，这样的好处就是从数据源上不会出错，以此来提升大模型的训练效果。罗文告诉「自象限」，数学题、常识题、作文题她都做过，但这还远远不够，“理论上，越专业越好，比如我擅长文学领域，那就专攻文学题，有的同事专业是医学，那就做医学问答题”，罗文道。

罗文的话已经在一些社交平台得到验证，有人曾发布帖称，“急需招募金融专业人员，有偿给文心一言答题，一天30多道，每道题价格在1.5-2.4元。”

▲图源社交媒体平台小红书截图

另一项工作就是给大模型当“判卷老师”，就像学生考试一样，每天大模型会生成各种问题的答案，罗文就需要承担老师的角色，判断其生成的答案与题目是否一致，答案是否正确。

若遇到诸如作文一类没有标准化答案且开放性的问题时，则需要评判答案的好坏，比如，系统会随机给一组数据，包含1个问题和3个回答。罗文需要先标注出这个问题属于什么类型，随后给3个回答分别打分并排序。分数区间为0-5分，如果打分低于3分，还要标注出具体原因，例如“答非所问（0分）”、“严重跑题（1分）”、“存在逻辑问题，存在事实性错误，比例较小给2分”等。

这个工作虽然看上去并不难，但却异常重要，甚至可以从外包直通大厂的机会。据上述猎头告诉我们，“虽然合同跟我们猎头公司签，但是还是有六分之一的几率转正，进入百度集团”。这或许也是严格控制学历的原因。

▲图源Boss直聘截图

为此，「自象限」也了解到，由于百度地图的数据标注，有稳定的地图业务需求及自动驾驶模型、算法模型的训练需求，所以对数据标注的质量要求更高，的确搭建了专门的数据标注团队。

市场上对“罗文”的需求，不止大模型公司。据「自象限」统计，目前，市面上的数据标注岗位大致分为两种。

一种以NLP（自然语言）为主要方向，百度、字节、京东、美团等一批大模型科技公司一拥而上，给自家大模型找人工数据训练师。这其中又分为几个细分的方向，譬如数据分析、大模型生成结果判定、辅助大模型逻辑推理等等。

另一个方向则是CV（图像），存在已久，人们更加耳熟能详的是“2D拉框”和“3D拉框”，主要是满足滴滴、毫末、轻舟智航等这类车企，为其智能驾驶业务提供图像数据质检和标注帮助。

▲图源Boss直聘截图

「自象限」观察发现，十一月是NLP方向数据标注的转折点，此前，百度、京东等大厂无论是校招还是社招，都仅开设了很少或压根没有AI数据标注岗位，招聘软件上也只是零星地开放了实习生的岗位，通常不设学历上限，大专学历封顶。

毫无征兆地突然冒出一批岗位需求，这背后或许与大模型厂商的研发受阻有关。多位行业人士曾向「自象限」透露，截至目前，国内的大模型水平或许仅能达到GPT-3.5水平，发展的核心还是数据质量问题。

一边是国外OpenAI连放猛招，直逼GPT-5，一边是国内企业喊着“要落地”、“要用上大模型”，双重压力下，又用起了“人海战术”。

技术研发水平不够，人工能力来补齐，国内大模型厂商开始疯卷“AI数据标注员”，为大模型能力“飞升”再加一把燃料。

二、大厂卷精标，粗标“割韭菜”

事实上，数据标注并不是新鲜事儿，早已有之。以前的形式是粗标，主要表现为“拉框”，但现在粗标发展得乱了套：一是此前大厂粗标多为众包标注平台，工单分散，人员不专业，导致标注质量不行；二是随着大模型的精进，粗标变得越来越不够用，精标的地位由此直线上升。

针对粗标和精标的差异，某大厂员工解释道：“一般厂商的外包团队，能做标注，但他们就是按照框定的规则标注，如果出现规则之外的数据，标注就会存在通过率不高的情况来回反复，但是由工程师团队来做，特别是针对自动驾驶辅助驾驶等回传的数据，他们知道背后的原理，可能不会按照常规的思路标注，会带解决问题的思路来标注，可能需要跳出之前制定的标注规则，这样标注数据的质量会更高。”

大模型爆火，也为粗标刮起了一阵“新钱风”。

目前，粗标求职阵地已经从招聘软件转移到了快手等短视频平台。以快手为例，粗标求职热度与快递员并列，大量数据标注公司入驻快手，覆盖京津冀、长三角和珠三角地区。

▲图源快手截图

据「自象限」了解，快手的直播招聘业务“快聘”曾在发布会中特别提到：“要解决数据标注职类线下招聘难，应聘者少的核心诉求问题 。”

落实到实处，快手从公司资质审核、流量扶持、公司推荐到数据标注职业推广都给予了支持，「自象限」注意到在快手官方招聘直播间中，有时也在全天无间断地滚动地播报有关数据标注求职信息。

这一定程度上也成为了某些数据标注公司的“尚方宝剑”。在招聘时候，宣传之词毫无遮拦，“无需学历，上手即会，小学生都能做”，“拉一个框，打一个标签，就是半个毛”，“拉3000个150元，6000个300元，月入7000-8000洒洒水，只要手速够快”，极尽夸张之词。

但事实究竟如何呢？一万块钱能拿得如此轻松吗？

为探究真假，「自象限」在快手报名联系上了一家热门数据标注公司。该公司声称与比亚迪、理想、小鹏、特斯拉等车企直接签单获得一手数据任务，且出示了大量的证书、凭证强调其正规性。入职后的主要任务就是接任务包，在图片上拉框、标注和打标签。

▲图源微信截图

总结下来，有几个基本点：打框按计件算钱，一个框价格在一毛到一毛五；薪资首月按周结，第二个月以后按月结算；新手小白需要先缴纳2580元培训费用，一年内工资累计达到1万，才能退还；平均七天左右学习培训时间就能上手做任务；分兼职和全职，兼职按框计算，全职线下坐班，另免费提供住宿；在其展示的员工工资截图中，月工资在5000-6000元不等。

但在黑猫投诉平台上，上述公司成为了数据标注投诉的重灾区。

一些投诉用户的经历与我们相吻合。综合用户的反馈，投诉主要集中在以下几个问题：第一，不会拉框需要先缴纳2580元费用，一年做拉框任务满一万元，但是出现了拒不退款的问题；第二，培训内容非常简单，且耗时长，耽误用户上岗；第三，不给通过和达标，总是卡拉框的合格率，最终影响收入；第四，态度豪横，无视用户的诉求，不处理、不退款。

▲图源黑猫投诉平台截图

以上的问题也只是冰山一角，「自象限」虽然没有缴费报名成功，但在咨询后的一段时间内，也频繁地收到电话、微信的轮番轰炸，从早安到晚安，问候从未落下，还时不时地用其他员工的工资表进行挑逗、刺激。

▲图源微信截图

一次严肃的数据标注求职，俨然沦为了一场“割韭菜”游戏，老老实实拉框的员工颗粒无收，反而是收培训费的数据标注公司赚得盆满钵满。

数据质量决定了大模型走得速度，即使是OpenAI也不例外。外媒报道称，OpenAI一方面找了多家知名的数据公司来数据标注，一方面也自己组建了一个几十名哲学博士团队来做数据质检。

大模型的根基在数据，数据质量直接决定了大模型进化的速度，从数据标注的乱象中，我们或许能一窥为什么中国大模型发展进度慢的原因，但既然大模型厂商们也意识到了数据标注的源头问题，离我们真正突破到GPT-4，或许也就不远了。

文中配图来源于网络。