春招结束快一个月了，我最终没有拿到心心念念的大厂offer，去了杭州一家中型互联网公司做Java后端，薪资不算顶尖，但也足够在杭州立足，团队氛围很好，能学到东西。回头看这三个月的春招，有遗憾，有崩溃，有无数个焦虑到失眠的夜晚，也有面试通过的欣喜，有拿到offer的释然。经常会想，如果春招能重来，我会做什么？会更早投简历？会更认真背八股？会不拒掉那个保底offer？想了很久，我发现，如果春招能重来，我最想做的，不是改变那些具体的选择，而是抱抱当时那个焦虑到崩溃、不停自我否定的自己，告诉她：没关系的，春招不是人生的终点，哪怕没拿到大厂offer，你的人生也不会完蛋。如果春招能重来，我想告诉当时的自...

海投二百多份全石沉大海了，求大佬们给个建议

美团timeline一面 3.26二面 4.2oc 4.8offer 4.10其他：oppo 一面挂vivo 没动静携程 笔试挂哔哩哔哩 没动静感想感觉找实习运气也占不少的成分，本来0实习选手暑期只是准备随便投一下练一练，想着过会儿再找日常实习，没想到美团直接收留我了。感谢一面面试官，在我第一次面大厂的时候给了我自信

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...