准确的说，我的团队有一半在新加坡Base，一半在国内Base，新加坡的团队是准时6点下班的，到6点半几乎所有人就离开office了。国内呢，尽管我们鼓励早下班，多数还是要拖到9点。从office的工作时长上，国内显著高于新加坡，但产出上我已经觉察不出差异，甚至一两个方向上，新加坡产出更好。
我想探讨一下整个互联网核心且敏感的加班问题，office工作时长究竟对产出有没有帮助？
先从新加坡团队的搭建开始，我Transfer过来时新加坡团队才4个人，当时大家一起订餐取餐在office食堂吃晚饭，折腾到7点多，工作一会顶多是8点就离开了。大家还是国内带来的意识，或者是因为我也没有离开，大家迫于压力也没有走。当时考虑到，新加坡吃晚餐并不方便，加班也不会像国内一样高效，不如六点多直接离开，自己处理好晚餐；另一方面，当时跟shopee的同学沟通，他们说shopee是东南亚血汗工厂，但是他们7点office人都走光了，为了保持招聘的吸引力，也应该这样。
随着招聘进行，新加坡团队的人越来越多，这个习惯就保持了下来。偶尔有一两个开始冒头在office加班，都会被我“谈话”，尽量不要在office加班，破坏氛围。在招聘上这个策略是绝对成功的，对比几个同时甚至更早搭建新加坡团队的组，我这边的招聘速度和质量都是top的。这很好理解，因为互联网圈子本来就小，在新加坡更是如此，随便打听下就知道你这个组的工作氛围，下班时间。从奢入简难，整个新加坡大环境里其他的公司都是6点下班，那很多人才就pass掉你的团队了。
更少的office工作时长，是否就是对应更少的产出呢？我一开始也心存怀疑，每个人脑子里默认都是线性思维，时间上的ROI是一定的，那时长减少，产出是不是就是会变低。开始我会发现，新加坡的产出不如国内，自然归因到这个office时长上。我在招聘上标准卡的很高，随着人才密度的提升，新加坡和国内可以对齐产出，office时长并不是关键因素。
比起压榨团队的工作时长，提升人才密度更重要。这件事情对于传统行业，或者是互联网的创业初期，并不适用。因为“做了就有，没做就没有”的情况下，投入更长时间就是会有更多结果。更少的人，更高的人均时长，总时长不变下，比起更多的人来讲，管理的成本低很多（我们的互联网技术是没有组织上百人协同开发的架构能力的，美其名曰敏捷开发）。但是到了存量业务，或者是不确定性的算法工作，office工作时长和产出的关系并非线性。
从个人角度上讲，提升工作时长是对个人产出有帮助的，这里我觉得更多是尊重个人选择，我选择6点下班不再碰任何工作，拿一般的回馈，还是自己默默加班，拿更丰厚的回馈，这是他的选择。不迫于office加班氛围的压力，他自己清楚自己的投入产出比，比任何外在的干预判断都要精准。团队管理上，只要根据实际的产出来做绩效反馈，就能做到激励相容。
从团队角度上讲，我觉得加班对于一个算法团队总体的产出，并没有多大的帮助，至少不是线性增加的。因为资源是有限的，这里面的资源包括训练资源，实验的流量资源，只要团队的人力超过一个阈值，再卷时长，在团队层明上不会有产出增益。反而因为office加班的氛围，影响到了人才招聘，影响到了团队的人才密度提升，最后得不偿失。
还有一点，对于算法团队，工作中需要一定的创造性。大脑没有执行特定任务、也就是“发呆”“走神”时，有一组脑区被激活，叫做默认模式网络。这个网络在休息、做白日梦、自由联想时活跃，它和自我反思、未来想象、创意联结密切相关，也就是说，我们在“什么都不干”的时候，脑子反而在进行高阶整合，比如把旧知识和新信息重新组合。这是另一个因素，闲下来才能激发思考和创造，至少我很多idea都是在散步或骑车的时候得到的。
国内为啥不推广一下？实际上尝试过但是做不到，新加坡我们占了一层一排的工位，我又是第一个拎包走的，大家没有任何的“离开压力”。国内呢，我出差回去，那一层的人都没走，我自己有时候都会迫于压力，再待一会，更何况一线的同学。氛围已然如此，不改变实在是做不到。
已经读到了这里，顺便介绍一下我们的团队。
我们是Tiktok（TT）的电商推荐Foundation团队，负责TT电商交易链路上的商品和内容推荐 和 电商Foundation Model 构建，有丰富的产品形式，也意味着能接触到各类场景对应的技术问题。不同于很多电商的独立APP，TT里推荐是场景是GMV的发动机，业务里有东南亚这样的成熟市场，也有美国/欧洲的快速增长。Base地包含了新加坡，北京，上海，杭州。新加坡6点准时提包走人，国内内心强大也可以尝试6点下班。
目前整个系统所有的核心模型均基于 Transformer 构建，技术栈贴近 LLM，包括生成式召回，OneTrans 排序，生成式RL-base重混排， 以 Scaling Up 为核心的迭代，以 GPU 高效利用为核心 Infra 导向。下一个里程碑是推荐系统 Foundation Model构建。我们现在希望推荐及跨领域的人才加入，一起攻克难题，定义未来。
此刻像极了15年左右，很多推荐系统就是一个简单的协同过滤算法，业界也是一步一步形成了经验和共识，如多阶段的推荐系统。现在的时刻，是定义未来推荐系统新模式的混沌时刻，期待你的加入，欢迎私信。