解读

面试官想验证三件事：

1. 能否把“数据不足”拆成业务、合规、成本、时间四维约束；
2. 是否掌握三种技术路线的适用边界、落地成本与风险；
3. 能否用产品经理语言把技术决策翻译成可落地的迭代计划，而不是只给“技术答案”。

知识点

1. 数据不足的典型国内场景
   • 金融/医疗：标注门槛高、监管严，原始数据出境受《个人信息保护法》第38条限制。
   • 工业视觉：缺陷样本天然稀缺，产线不能随意停机采图。
   • 零售新品：上新周期7-14天，来不及收集真实用户行为。

2. 三条路线的PMF（Product-Market-Fit）维度
   迁移学习：依赖“源域”可公开、可商用；模型License合规；算力成本≈1张A100×3-5天。
   小样本学习：需要业务专家做支持集标注，标注量<100条；推理侧可能需定制算子，边缘芯片要额外适配。
   合成数据：需保证《合成数据合规指引（征求意见稿）》要求的“不可还原性”，合成-真实分布差距>8%时线上效果跳水；需要GPU渲染或扩散模型生成，一次性投入≈5-10万元。

3. 国内合规红线
   • 合成数据若含人脸、病历，必须通过“国家网信办安全评估”才能上线。
   • 迁移学习用海外预训练权重，需做“开源协议洁癖”审查（GPL→闭源商用侵权）。

4. 决策矩阵（文字描述）
   时间<2周、标注资源=0、合规要求极高→优先迁移学习；
   时间<2周、标注资源<50条、可接受轻度合规评审→优先小样本；
   时间>1个月、标注资源=0、可承担10万一次性成本→优先合成数据，并安排“合成-真实”双轨A/B。

答案

“我会把决策拆成三步，保证两周内给出可上线的MVP。
第一步，用‘数据-合规-成本’三问快速收敛：

1. 能否拿到公开且License干净的源域权重？能→迁移学习；
2. 业务专家是否愿意标50条高质量支持集？愿意→小样本；
3. 场景是否允许合成数据过审且预算>10万？允许→合成数据。

第二步，用‘影子模式’低风险验证：
迁移学习：先用TorchServe热插拔，灰度5%流量，看真实Top-1下降是否<3%；
小样本：把支持集做成可插拔的“提示库”，线上实时推理，支持集版本号随发版；
合成数据：线上同时跑合成模型与旧规则，用开关控制流量，一旦分布漂移>5%立即回滚。

第三步，用产品指标反向驱动迭代：
核心OKR是“客服工单量下降30%”，如果迁移学习在灰度内只下降10%，但小样本能做到25%，即使小样本标注成本高，我也会把预算挪到小样本，并申请合规绿色通道。

综上，没有绝对优先级，只有‘两周内最小闭环+合规可解释’的ROI最优解。”

拓展思考

1. 合成数据+迁移学习的“混合增强”正在成为国产大模型落地的新范式：先用合成数据把类别扩充10倍，再用迁移学习把源域知识蒸馏到10M级小模型，适合在昇腾310上部署。
2. 小样本的“提示模板”其实可以产品化——把支持集做成可售卖的“行业包”，未来向客户按订阅收费，实现数据闭环的商业化。
3. 监管侧正在试点“合成数据白名单”，提前与属地网信办建立沟通渠道，可缩短30%评审时间，这是AI PM可以提前布局的差异化竞争力。