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...

你在leetcode上练的都是死代码能力🤣

我是一块砖，哪里需要哪里搬

背景：本硕网安，此前无实习。 其实从去年七八月起，我就算开始准备实习了。但当时还在纠结选什么语言，实验室的项目也还没什么成果。就这样一拖再拖，拖到国庆后才正式开始学 Java，同时还得兼顾导师安排的比赛（用的正是我一直在做的那个项目）。一直拖到十一月初初赛结束，才勉强学完黑马的 Java SE。接着开始学 Java Web，边玩边学，直到十二月初才看完。 第一个比赛失利之后，导师又安排我参加另一个比赛的初赛（复用上一个比赛的成果）。之后我开始准备算法，跟着代码随想录的题单刷题，Redis 和后面的内容没系统学，最后是直接背的八股。这期间也一直在挑项目，挑着挑着就到了一月，勉强敲完了一个轮子项目...