按照惯例，每年年终总结。过去的总结包括《二零一九，GO!》，《写在回家之前-研一下半学期总结》，《聊聊二零一七半年纪事》,《写在2016年最后一天》

       2019年整体上的节奏是这样的：实习，毕业，拿到驾照，实习，试用，转正，工作，工作，工作，工作……

所以，今年整体上更多的是对技术的理解，对工作的思考。

开源项目上，去年年底，今年年初做的基于BERT的用于序列标注的项目，star+fork数已经>100了。该项目被比较多的公众号，博客，和开源repo引用，估计该repo开源出来的时候，整个github不超过三个类似项目，并且极有可能是最早的项目，所以占据了时间优势吧，尤记得google-bert刚刚放出来，就在实验室实现了用于序列标注的工作，现在基于BERT做序列标注已经满大街了，想想bert刚放出来的时候做，还是有点意思的。

另有两个，分别是基于知识图谱的主动聊天和关系抽取，star+fork>100。通过后者，认识很多做关系抽取方向的朋友，看来大家对few-shot learning还是很感兴趣，另外，可能与实现的这个工作是SOTA有关吧，其实也只是实现了一半的工作，但是这一半的工作，在组里一直做到今天，大家在不同的任务上使用，套路基本一样。

可能最受欢迎的还是，所有中文NLP比赛这个repo吧，已经1300+了。虽然在README中，呼吁大家做PR，但是除了在issues区看到要数据的，没收到一个PR，期间有过一次关于合并两个相关repo的讨论。这个repo的初衷是自己来用的，但是慢慢的自己能够从中获取的价值越来越少，已经基本不维护了。现在想想，可能大家都把自己的方案卖给满大街的公众号赚钱去了吧，果然开源还是不赚钱。

除此之外，还有几个50+的repo。没想到，去年关于CV方向上的一个工作，也差不多快过百了。

已经很久没有开源什么东西了，但是现在频繁更新的是PaperReading这个repo，虽然，star数只有5个，但是其实个人认为是所有repo中最有价值的一个repo，这个repo会更新自己每天读的一些NLP方向上的文章，写一些自己认为有价值的东西，或者吐槽，或者新的想法，之后会长期维护和更新。想到之前在学校做研究苦于没有想法，现在真的是不缺想法，但是缺好想法，缺时间。

博客共写了48篇，差不多平均下来，每周一篇。其中，最近的一篇《NLP，吹爆与落地》被一些大佬转发了，还是有点儿成就感的。《论文阅读-文本风格迁移》竟然吸引到了友商的关注，整体上，虽然生成方向上的工作比较难做，但是业界还是有不少的探索工作在做。其中，还有几篇能够被自己组里的同学搜索到并能够有一些帮助，也是蛮开心的一件事情。

除了博客和开源，就基本只剩下技术和工作了。

花了很多的时间读各个方向上的论文，花了很多时间做Trick实现和调参，以至于现在觉得有些论文读多了会腻，同质化有点儿严重，有点儿无聊。Trick实现，模型实现变成了体力活，大多数时候Tensor要对齐，要向量化，要BERT，各种输入和输出端的花式Trick，是有点儿没劲的。重要的是，不仅你自己是这样，你会发现周围人在不同的任务上都是基本这样的玩儿法之后，就会慢慢觉得不是很有趣了。

曾经觉得有趣，重要的，现在似乎发现不是那么有趣了，重要了。那么，一定是有了更有趣，更重要的了。

的确，算法如何输出产品和价值？其实是一个更好的问题。这个问题本质上需要思考的是算法落地。整体上的感受是：算法不好落地。对于NLP领域的一些想法，已经在之前的相关博客中有做分析。

除了被吐槽算法团队普遍工程能力差，还要面对来自产品同学对算法工作的灵魂N问：你需要多少数据量？这个问题算法能解决到什么程度？你的算法什么时候能够上线？咋测试啊？

你这个任务需要多少数据量？（如何评估算法所需的数据量），看这里，这里还有

这个问题算法能解决到什么程度？（如何评估算法的效果上限）

你的算法啥时候能上线？（如何评估算法的开发周期）

我的模型上线标准是啥？（如何保证模型被合理测试）看软件测试中如何测试算法？

作为一个算法码农，我太难了。其实上述这些问题，并不是特别容易回答。除此之外，在《业务，工程和算法的互殴现场》中也可以看到一些现象。这里体现的矛盾是：

第一：算法团队有算法团队需要关注的内容，但是业务线相关同学要求算法具备不差的工程能力。虽然一般算法和工程是两个团队，但是实际上，算法是算法+工程团队，工程是工程团队。

第二：业务线相关同学用工程开发的角度来看待算法开发。如此，对于产品同学提的一些问题也就不足为奇了。

重要的是，这种矛盾将是长期的。这里，简单列一些个人目前觉得什么是好的，什么是坏的吧。

好的😊

  • 在数据标注指南上花时间，想办法定义清楚问题，拆分标注难度，考察标注流程和建模流程的一致性问题，标注质量评估和控制，最好自己先标注一定量的数据

  • 先看数据，再决定建模手段。上来就用BERT，无异于耍流氓（民科做法）。当然，如果目标是学习和了解新技术，支持拿着榔头找钉子

  • 花心思定评估指标，模型指标和业务指标。确定系统的上线标准和测试流程。最好定量指标和定性指标（人去看，要体感，成本高了点，效果大大的好）都有

  • 工程上保证可扩展，鲁棒。做好资源预估和分配。

  • badcase分析（无聊是无聊了点，不过好处大大的有）和在线hotfix手段

不好的😅

借桑榆的话，看这里。我自己想说的，

  • 结果差有一万种解释，结果好也有一万种解释，我眼中的DL。所以，唯DL论，不好

由此带来的副作用是，可以糊弄外行人。

  • 认为搞业务的都是垃圾，搞模型研究的都是高大上，SB!

另一个重要的问题是：活着这回事儿。

你会发现，正当你写代码的时候，中午和你一块儿吃饭聊天的同事突然告诉你，可能第二天就不来上班了。

你会发现，作为一线普通员工，在维权道路上尚属弱势群体，你以为自己是程序员，智商更高，在维权上会做的更好？鸵鸟。

你会发现，有些同行真的会从11楼跳下去。

你会发现，35岁可能真的是一道坎。

你会发现，同事的一个梦想是：周六或者周日，开一个房间，舒舒服服的就睡一个下午就行，别人都不要找他。为什么不在家里？不在公司？

……

离开校园，生活将它真实残酷的一面赤裸裸地就放在你眼前。收智商税的公众号满天飞，满口胡扯的专家大佬到处乱跑，为名为利，为活着，骗与被骗且不自知，其实多数人真的都挺不容易的，这里并非吐槽。写这段文字的时候，我竟想到了王垠最近的文章《2020新年寄语》，文末写道：

所以在这十年结束的 2020 年，我决定要有一个重大的改变。我将严格的选择我身边的人，不再与风格跟我不搭的人一起，不再妥协。把内心风格一致的人团结在一起，形成自己的小集体，让生活美好起来，就是我 2020 年的愿望。

这种与自己的和解，我读出的是释然和感动。

今年时常和朋友聊到，时间过的太快了，真的太快了。如果要给自己的新年一份寄语，我会这样写道：

专注于技术但不唯技术，多一些对社会的观察和思考，善待自己，认真品尝岁月这壶或新或老的酒，热情认真但不冒失的生活。

2020年，我将迎面所有的挫折和挑战，不畏惧，不退缩。2021年，尚且码字行文，畅谈光阴和故事。