这份清单来自一位从业者的实战总结。作者认为，大模型工程师需要掌握的核心话题远比"调参"更广泛。

首先是模型架构理解。不只是知道Transformer，还要懂不同变体的取舍——什么时候用编码器-解码器结构，什么时候纯解码器更合适。

打开网易新闻 查看精彩图片

其次是数据工程。预训练数据的去重、过滤、配比，直接决定模型"智商天花板"。作者提到，很多团队在这块投入的时间被严重低估。

打开网易新闻 查看精彩图片

第三是推理优化。从量化、剪枝到投机解码，让大模型在有限算力下跑起来，是工程落地的生死线。

打开网易新闻 查看精彩图片

最后是评估体系。怎么设计能反映真实业务价值的评测指标，而不是刷榜分数，作者认为这是区分"研究员"和"工程师"的关键。