快手入职

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...

已经签了其他，释放hc了

灵神太强了，写力扣没这么爽过

第 37 题：世界模型（World Model）在 Agent 中的作用 题目 什么是世界模型（World Model）？在 Agent 中的作用是什么？ 一、什么是世界模型？ 世界模型（World Model） 指对环境与自身行为后果的内部表示或预测模型：即“若我执行动作 A，环境会如何变化、会观察到什么”。它使 Agent 能在不真实执行的情况下，在内心“推演”可能的结果，从而支持规划、反事实推理与样本高效学习。 在经典控制与 RL 中，世界模型常指状态转移与奖励的预测模型（如学一个 ）；在 LLM Agent 语境下，可泛化为：用模型（含 LLM）预测或模拟“某动作会导致什么观察/状态”...