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...

找实习一个星期了，打招呼100，就2个要简历的，不知道是不是学历问题还是技术栈还不够，打算学下小程序，有点焦虑了

前两天听了腾讯 HR 的一期播客，叫《VoL.7：90%的人都做不好自我介绍》。里面提到一个数据：90%的候选人，自我介绍都是在无效重复简历内容。 HR 原话是这样说的：  “候选人能进入面试环节，简历面试官早就看过了。你再给我讲一遍学校、专业、实习公司，这叫精神不集中，我在脑子里等你讲点我不知道的东西。”  说白了，面试官等你的是 “简历之外的信息”。你把自己的简历再背一遍，相当于在考场上把题目抄了一遍交上去。 对测开这个岗位来说，自我介绍尤其关键——因为测开的定位介于开发和测试之间，你得在短短一两分钟里，说清楚“我为什么适合这个岗位、我能创造什么价值”。 今天这份指南，就是直接把 HR 给...