2025年5月10日，我离开上海，来到北京，作一名校招生进这家中型互联网公司，我成为了一名测试工程师。刚刚结束学生时代的生活，我遇到了很多挑战，生活上的不适应，一个人来到陌生的北京，工作上的压力，互联网公司的快节奏，人生的迷茫，会思考我真的要做网上的"点点点"工程师吗，我的22岁是复杂且混乱的，成长如抽丝剥茧，我把自己打碎又重新组装。转折在7月，我进入了适应期，开始开发基于我工作中遇到的问题的agent，凭借这个小工具，我申请到了最佳新新人，在校招培训中认真完成任务，我得到了优秀t，后来又拿着我的agent组建团队，参加公司内部比赛活动，得到了很多认可，作为校招代表拍摄年会...

得吃了

之前一直在牛客刷大家帖子，看到了很多人吹捧大厂多好多好。但是说个会被喷的事实：双非本，秋招拿了5个offer，比我那个在某大厂实习的室友还多一个。他在大厂做了三个月，负责链路中的一个中间模块。听起来很厉害对吧？但面试的时候面试官追问这个特征是怎么选的召回策略谁定的，他只能说这部分是算法团队负责的。我在旁边听得都替他尴尬。我呢？在一家不过百人的小公司做了个后台管理系统，全流程就我一个人。你问我任何一行代码为什么这么写，我都能给你掰碎了讲，因为踩过的坑我全记得——凌晨两点调CORS跨域问题的那种刻骨铭心你懂吗。说到底面试官要的不是你title多好看，是你到底有没有真正做过这件事。大厂名字能帮你过简历关，但到了面试那一步，你做的东西是不是你的，一问就知道了。后来我室友也想明白了，他说我那三个月最大的收获就是知道了食堂哪个窗口最好吃。我不知道他是在自嘲还是在认真的。

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...