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...

大三下暑假开始实习，秋招没一点机会，想着春招好好投，结果现在春招快结束了也没一点消息，这边实习转正也转不聊了，每天都好焦虑啊

牛u们给个建议     

自我介绍实习挑一个项目，讲技术架构、做了什么事情、用了哪些技术，解决了什么问题B 平台 思路如何拓展到要接入其他模型；接的过程中有什么工作有没有接触过评测的流程如果请求量变大，系统目前的处理流程可能出现什么问题；如何解决A 系统 讲讲亮点八股Kafka 是否天然支持优先级队列；如果消息队列只支持投递，如何实现优先级队列和延迟队列了解哪些限流算法；各自的优缺点除了缓存击穿，还有什么问题针对数据库与缓存的一致性问题，常见的策略是什么；如何保持更强的一致性项目Plan-Execute-Replan、React、Workflow 三者有什么区别其他最近有 Ai Coding 的经历吗算法全排列 II