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...

Thank you Hellobike.

要求每天至少对话100次🤣现在必须得all in AI了

一、项目 1、Redis 全局唯一 ID，为什么生成这个 ID，这个 ID 的含义是什么（疯狂追问），这个 ID 有什么用（拷打追问：1、为什么不直接再 MySQL 中用自增 ID（因为我在 redis 中用的自增 ID 来唯一标识）） 2、你是如何解决 Redis 解决超卖的思路（Lua 脚本 + 预扣库存（消息队列）+ 乐观锁（乐观锁我回答可以用库存扣减大于 0、还可以用一个字段来标识这行数据来判断是否有并发同时扣减问题，然后就一直追问这个字段是什么）） 3、Redis 消息发送失败的处理方式 4、推送/拉取模式，为什么选择推模式（拷打，先说的用户少所以用推，追问粉丝量大怎么办，我说推拉结...