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...

bg，重邮本末九硕，一段中厂，一段大厂实习项目是我主页的知光，项目和面经什么的，xhs可以搜到，同名

昨天面试官打电话来说有事情，晚点发个邮件调整一下时间，结果今天显示流程结束了，要发一封邮件问问吗

找不到大厂实习完全可以先去小厂！对于咱们做开发的人来说，最看重的是技术沉淀，而小厂往往能让你直接接触到核心的业务线。在大厂你可能只负责边缘模块“拧螺丝”，但在小厂你甚至有机会全程参与架构设计，亲手处理真实的高并发数据流转或是测试管理系统的落地。这种从0到1的工程排坑经历，在秋招面试时绝对比大厂的“水实习”硬核得多。重点是你要利用这段时间主动沉淀技术栈，学会用AI辅助提升效能，用真实的项目成果武装简历。先上车积累实战经验，未来的机会还有很多，大家稳住心态冲！