时长：
82分钟
播放：
292
发布：
1周前
主播...
简介...
开年这期聊点不一样的！串台 @StellaxAmy·自定义 | 小宇宙 - 听播客，上小宇宙【原名“数据女孩的中年危机”】
四个人，清一色统计学背景出身，
但现在分布在完全不同的世界里：
药厂、互联网/创业公司、以及一个极其少见的高校 AI Evaluation 团队。
这期我们没有聊「具体某个岗位在干嘛」，
而是从一个很现实的问题聊起：
👉 AI 已经能做很多事了，但哪些 AI，真的敢放到真实用户面前？
从 AI Evaluation 为什么突然变重要，
聊到强监管场景下的安全、责任与信任，
聊着聊着，话题也落到了长期主义本身
👉 当 mentor 这件事不赚钱，甚至很花时间，为什么还是有人愿意坚持很多年？
👉 当做内容没有立刻的回报，为什么有人依然选择持续投入？
👉 以及，在稳定、安全感和探索之间，我们各自做出的选择，背后到底看重什么？
如果你正在：
* 关心 AI 会不会真的改变你所在的行业
* 或者已经隐约感觉到：技术之外，判断力和责任感正在变得更重要
那这期，可能会刚好聊到你心里去。
📚 小百科 | 术语速查
* AI Evaluation（AI Eval）：评估 AI 产品在真实场景里的效果、安全、可靠与可控性（评估对象是产品系统，不是单一模型）。
* Guardrails / Safety：AI 在敏感场景（如自伤、隐私）下的安全策略与处理机制。
* FERPA：美国教育领域学生隐私监管框架。
👥 圆桌嘉宾
* Sophie｜药厂 Statistical Programmer，《药厂门口》主播
* Mia｜药厂统计师（PhD），《药厂门口》主播
* Stella｜统计背景，前互联网 Data Scientist，现从事高校 AI Evaluation， 《StellaxAmy·自定义》主播
* Amy｜统计背景，长期在 startup 从事数据/AI 产品相关工作，《StellaxAmy·自定义》主播
🕑 时间轴 Timeline
00:01–01:12｜HIghlights：AI 能回答问题不稀奇，稀奇的是谁来负责
从校园场景里的self-harm / suicide聊起：当 AI 真正进入现实世界，没有 evaluation 和 safety，你根本不敢上线。
01:35–03:57｜同样是统计背景，为什么走上了完全不同的路
四位嘉宾都学统计，却分别走向药厂、互联网、创业公司、高校 AI 产品团队——分岔点到底在哪里？
04:10–14:43｜做了十几年 Data Science，身份焦虑从何而来？
职业回顾：交通工程 → 统计 → 互联网 → 高校，也聊 Data Science 这几年从“什么都干”到被重新定义的变化
14:43–22:38｜AI Evaluation 到底在评估什么：不是模型，而是系统
澄清一个常见误解：现在的 AI Eval，评估的是一整个 AI 产品系统，而不是单一模型分数。
22:56–27:23｜当学生对 AI 说“我不想活了”，系统该怎么做
用真实校园场景解释 AI safety：共情回应、资源引导、risk flag、以及在 FERPA 约束下如何处理隐私与上报。
27:23–35:47｜为什么 AI Eval 在最近半年突然“被重视”
从 demo 到 deploy 的转折点：AI 产品一旦要上线，产品经理才发现——没有 eval，这事没人敢扛。
35:47–38:22｜AI Evaluation 会成为新的职业方向吗？
从数据科学到 AI Eval：技能高度重叠，但关注点从“能不能做”转向“值不值得、敢不敢用”。
38:22–48:46｜播客怎么做两年不崩：不追热点，只做减法
高产出背后的方法论：80 分原则、流程复盘、找对搭档，以及为什么 consistency 比爆款更重要。
48:46–1:02:00｜免费 mentorship 真的可持续吗？ADPList 的现实与困境
ADPList 上的 mentor 经历：做 mentor 更像 therapist？被放鸽子是常态？
1:02:00–1:22:48｜做内容是为了什么：表达、信息差与长期主义
The Cocoons （thecocoons.substack.com） 的初心：把中文语境里的故事，用英文再“推”出去。播客和 Newsletter 更像长期 networking。
🔍 延伸资源｜关于 AI Evaluation 的进一步学习
AI Evals & Analytics 是由本期嘉宾 Stella & Amy 设计的一套
面向真实 AI 产品的 长期系列线上实战课程。课程关注的是：
👉 如何系统性评估 AI 产品的质量、风险与业务影响
👉 如何把 “AI 靠不靠谱” 转化为可执行的 evaluation framework
📅 最新一期课程将于 1 月 17 日开课，后续也会持续开设 （具体班期以 Maven 平台信息为准）
🎧 《药厂门口》听众可使用 6 折优惠码：PHARMA
🔗 AI Evals and Analytics Playbook by Stella Liu and Amy Chen on Maven（链接直达）
联系我们
* 小红书：药厂门口（官方账号） 药厂门口 ｜Pharma Lobby - 小红书
* 微信：PharmaLobby
* 邮箱：[email protected]
四个人，清一色统计学背景出身，
但现在分布在完全不同的世界里：
药厂、互联网/创业公司、以及一个极其少见的高校 AI Evaluation 团队。
这期我们没有聊「具体某个岗位在干嘛」，
而是从一个很现实的问题聊起：
👉 AI 已经能做很多事了，但哪些 AI，真的敢放到真实用户面前？
从 AI Evaluation 为什么突然变重要，
聊到强监管场景下的安全、责任与信任，
聊着聊着，话题也落到了长期主义本身
👉 当 mentor 这件事不赚钱，甚至很花时间，为什么还是有人愿意坚持很多年？
👉 当做内容没有立刻的回报，为什么有人依然选择持续投入？
👉 以及，在稳定、安全感和探索之间，我们各自做出的选择，背后到底看重什么？
如果你正在：
* 关心 AI 会不会真的改变你所在的行业
* 或者已经隐约感觉到：技术之外，判断力和责任感正在变得更重要
那这期，可能会刚好聊到你心里去。
📚 小百科 | 术语速查
* AI Evaluation（AI Eval）：评估 AI 产品在真实场景里的效果、安全、可靠与可控性（评估对象是产品系统，不是单一模型）。
* Guardrails / Safety：AI 在敏感场景（如自伤、隐私）下的安全策略与处理机制。
* FERPA：美国教育领域学生隐私监管框架。
👥 圆桌嘉宾
* Sophie｜药厂 Statistical Programmer，《药厂门口》主播
* Mia｜药厂统计师（PhD），《药厂门口》主播
* Stella｜统计背景，前互联网 Data Scientist，现从事高校 AI Evaluation， 《StellaxAmy·自定义》主播
* Amy｜统计背景，长期在 startup 从事数据/AI 产品相关工作，《StellaxAmy·自定义》主播
🕑 时间轴 Timeline
00:01–01:12｜HIghlights：AI 能回答问题不稀奇，稀奇的是谁来负责
从校园场景里的self-harm / suicide聊起：当 AI 真正进入现实世界，没有 evaluation 和 safety，你根本不敢上线。
01:35–03:57｜同样是统计背景，为什么走上了完全不同的路
四位嘉宾都学统计，却分别走向药厂、互联网、创业公司、高校 AI 产品团队——分岔点到底在哪里？
04:10–14:43｜做了十几年 Data Science，身份焦虑从何而来？
职业回顾：交通工程 → 统计 → 互联网 → 高校，也聊 Data Science 这几年从“什么都干”到被重新定义的变化
14:43–22:38｜AI Evaluation 到底在评估什么：不是模型，而是系统
澄清一个常见误解：现在的 AI Eval，评估的是一整个 AI 产品系统，而不是单一模型分数。
22:56–27:23｜当学生对 AI 说“我不想活了”，系统该怎么做
用真实校园场景解释 AI safety：共情回应、资源引导、risk flag、以及在 FERPA 约束下如何处理隐私与上报。
27:23–35:47｜为什么 AI Eval 在最近半年突然“被重视”
从 demo 到 deploy 的转折点：AI 产品一旦要上线，产品经理才发现——没有 eval，这事没人敢扛。
35:47–38:22｜AI Evaluation 会成为新的职业方向吗？
从数据科学到 AI Eval：技能高度重叠，但关注点从“能不能做”转向“值不值得、敢不敢用”。
38:22–48:46｜播客怎么做两年不崩：不追热点，只做减法
高产出背后的方法论：80 分原则、流程复盘、找对搭档，以及为什么 consistency 比爆款更重要。
48:46–1:02:00｜免费 mentorship 真的可持续吗？ADPList 的现实与困境
ADPList 上的 mentor 经历：做 mentor 更像 therapist？被放鸽子是常态？
1:02:00–1:22:48｜做内容是为了什么：表达、信息差与长期主义
The Cocoons （thecocoons.substack.com） 的初心：把中文语境里的故事，用英文再“推”出去。播客和 Newsletter 更像长期 networking。
🔍 延伸资源｜关于 AI Evaluation 的进一步学习
AI Evals & Analytics 是由本期嘉宾 Stella & Amy 设计的一套
面向真实 AI 产品的 长期系列线上实战课程。课程关注的是：
👉 如何系统性评估 AI 产品的质量、风险与业务影响
👉 如何把 “AI 靠不靠谱” 转化为可执行的 evaluation framework
📅 最新一期课程将于 1 月 17 日开课，后续也会持续开设 （具体班期以 Maven 平台信息为准）
🎧 《药厂门口》听众可使用 6 折优惠码：PHARMA
🔗 AI Evals and Analytics Playbook by Stella Liu and Amy Chen on Maven（链接直达）
联系我们
* 小红书：药厂门口（官方账号） 药厂门口 ｜Pharma Lobby - 小红书
* 微信：PharmaLobby
* 邮箱：[email protected]
评价...
空空如也
小宇宙热门评论...
暂无小宇宙热门评论
