五分钟后，导师回复了一个链接。 我点开一看，是一份长达三页的代码review文档，从架构设计到边界条件，从性能优化到可读性改进，每一条都标注了具体的修改建议和参考资料。 最后一行写着："这种分布式锁的实现方式在高并发场景下会有问题，建议周会时我们一起讨论下更优的方案。" 我愣了几秒，然后在群里打字：  "导师，这也太详细了吧……您花了多久？"  导师秒回：  "十分钟。在PDD，我们对代码质量的要求就是这样。你现在写的每一行代码，将来都可能要承载千万级QPS的流量。"  那天晚上，我把那份review文档打印出来，贴在了显示器旁边。 ...

正式进入AI Coding时代了  

3月3日：发了实习通知3月4日：下午投了简历，晚上从hr初筛变成部门评估3月5日：刚刚收到感谢信更新状态3月5日：晚上又投递了另一个实习岗，现在是待发测试状态，问一下大佬们多久会发测试还是说现在还是会被挂3月14日：刚刚做完笔试题，选择还好，编程只做了前两道，第三道写完有错没时间改了，不知道结果怎么样，做编程题的时候因为不熟悉盲打，总是要低头看键盘和写在纸上的思路，应该不会被判作弊吧

1、自我介绍2、项目介绍3、介绍 NLP 中数据增强方式NLP 中常见的数据增强方式主要有同义词替换、随机插入、随机删除、随机交换、回译、模板扩写、噪声注入、对抗样本增强和基于大模型的数据改写。同义词替换是把句子中的部分词替换成语义相近的词；随机插入和删除适合做轻量扰动；随机交换适合增强模型对局部顺序变化的鲁棒性；回译是把句子翻译成另一种语言再翻回来，能够保留大意但改变表述；模板扩写适合分类和信息抽取任务；噪声注入比如加入错别字、空格、标点变化，适合提升鲁棒性；对抗样本增强更偏训练阶段优化；现在更常见的是让大模型做改写、扩写、同义表达生成。数据增强不能只追求数量，更重要的是标签一致性和语义不偏...