字节跳动内推字节跳动内推码

咱不说“我能背锅，出了事可以挨骂，ai可以吗”或者反问面试官“那么你比ai优势在哪，你不也是个打工人吗”这种俏皮话？真遇见这问题，咋个回答~面试官是一个看着很资深的技术总监。他喝了口水，突然抛出了一个非常尖锐的问题：“你平时用 AI 写代码吗？现在 AI 敲代码的速度比你快 100 倍，错误率还比你低。在这种背景下，你觉得程序员的核心价值到底在哪？未来的出路又在哪？”这个问题其实我私下里思考过无数次。当 ChatGPT 刚出来能手写红黑树的时候，我也曾后背发凉，甚至怀疑过自己是不是马上要失业了。面对面试官犀利的眼神，我深吸了一口气，给出了我的回答。认清现实：编码的边际价值正在归零我回答面试官的...

简历给你了学校标的清清楚楚😅，面完说我是三本只能给150，那你boss标200-250干嘛，感觉还是太礼貌了，应该直接爆了😤学历就是一个人的外貌实习就是一个人的衣服本科学历差就是其貌不扬的样子实习经历差就是破破烂烂的衣服＃民办已经死了 ＃都给我去考研吧＃计算机就是学历＞技术＃c++92✌🏻才能学

😭这是给挂了吗，都一周了还显示这个。。。。

1.自我介绍2. 文章分类大概有多少文章？数据规模怎么影响方案？答案：如果文章量只有几千篇，我一般不会一上来就训练很复杂的模型，而是先用预训练模型微调，或者用 embedding 加传统分类器做一个强 baseline。因为数据量太小的时候，复杂模型很容易过拟合，线上效果不稳定。如果有几十万到几百万篇文章，就可以考虑训练一个更稳定的分类模型，包括 BERT 微调、领域继续预训练、层级分类模型，甚至做多任务学习。数据量越大，越要关注标签噪声，因为文章分类里的标注经常不是绝对干净的，尤其是多维度分类，一个文档可能同时属于多个业务类别。实际项目里我会先看三个东西：类别数量、每个类别样本分布、单篇文档...