陳曦揮了揮手，示意他可以出去了。
“陳總，您不罵我兩句嗎？”趙元任小心翼翼地說道。
“罵你乾嘛？”陳曦反問。
“我昨天打了一天的王者。”趙元任說，他深諳職場規則，一定不要把這件事往後拖，越早曝越好。
“哦沒事，我沒來的時候沒定規則，你這麼乾很正常，這裡昨天打了王者的超過百分之五十，如果算上手機遊戲，那就超過百分之九十了。”陳曦說，說完繼續揮手。
趙元任轉身，走到門口的時候，空氣中飄過來一句話：“不過打得最久的就你和馬遼兩個人。”
趙元任跟兔子似的立馬轉身立正，就差敬禮了。
隻見陳曦頭也不抬：“沒事，下一位了。”
趙元任哭喪著臉離開，隻見馬遼在門外等著，他拍了拍對方的肩膀，一副兄弟走好的樣子。
馬遼進去，出來，臉色一樣的難看。
趙元任和他對視了一眼，兩人心有靈犀，在微信上發了句：“晚上擼串。”
“走！”馬遼回了個走的表情包。
然而事情不如他們所料。
工作內容格外的豐富。
企業微信裡，被臨時借調到的組織架構裡，一個接一個的任務被派發了出來。
趙元任找顧彥平報道之後，回到自己工位上，就發現自己多了三個郵件。
“你負責把這些文本做數據清洗。”正當趙元任還在讀郵件內容的時候，顧彥平走到了他身邊說道。
趙元任下意識點開鏈接，發現這個下載鏈接關聯的文本足足50個tb：“這是？”
“來自網頁抓取的文本，包括了論壇，百科資料，新聞網站，問答社區等等。
其中有一小部分是ai lab他們組做過脫敏和授權處理的部分文本數據。
但絕大部分都需要你做一遍清洗。”
趙元任咽了咽口水：“顧組長，不是我不想乾，我過去確實也乾過大規模文本數據的近似重複檢測。
但重複檢測隻是清洗的一部分工作，一小部分。
再說，過去就我了解的情況，像這麼大體積的文本，起碼也是一個五人小組一起做。
現在就我一個人？這是不是有點為難我了。”
趙元任的聲音越來越低，但意思清晰無比。
“不，不是為難你，你隻是清洗50個tb，我要清洗100個，我要處理的數據比你更複雜。”顧彥平淡淡道。
領導以身作則，做的還比你更多，這下你沒啥話好講。
趙元任隻好把話咽回去，他轉而提起：“那什麼時候要做完？”
顧彥平說：“我什麼時候做完，你能有t+1的時間。”
他媽的組長還是個股民？難怪語氣陰沉，估計最近沒少賠。隻買基金不買股票的趙元任腹誹道。
“哦對了，你注意看組的公共空間，每天我會把我的經驗做上傳，包括boss的一些算法，和應用的注意事項我會上傳到我們組的代碼倉庫裡，你注意看。
那會節約你非常多的時間。”
自此，無休止的開始轉動了。
趙元任感覺自己就像是一個齒輪一樣。
他把文件分塊下載，然後打開查看，這才發現這些資料壓根不能直接用於訓練。
網頁裡充斥著導航欄，廣告，版權聲明，推薦鏈接之類的內容。
另外一篇文章可能被不同的網站轉載幾十上百次，標題隻是稍作修改，內容幾乎完全一致，百家號的泛濫導致去重工作是天量。
論壇帖子則有大量無意義的回複。
千禧年的回複，“我頂”、“沙發”、“路過”、“露珠好人”。
再加上中文文本本身的複雜度。
簡體繁體異體字混雜，全角半角符號不統一，網頁編碼錯誤會把一段正常文字變成亂碼。
火星文就不說了。
有些內容看上去是中文，實際上是機器翻譯的語句，語法正確，表達方式卻格外怪異。
。點入切到不找任元趙，起一在疊堆題問種種
。頭線根那的初最到不找根壓你，起一在混頭線的有所，球毛的亂打貓被經已像好就這
”？走“，身起遼馬，點十上晚
。了完洗清經已的平彥顧，眼了看庫倉共公開打快很他但，了夠經已想心，十四之分百了少減午上比量據數，本文的後理處己自眼了看任元趙
”。天一第洗清據數“：看們他給檔文篇一了寫還
”。看看再我，吧走先你，奧裡馬，了算“：道識意下他
𝐰𝐭.𝐩𝐨𝐨名域的們我住記請
。圾垃是全能可也容內的準標式格，值價有沒就定一不容內的亂混式格，量質容內斷判去則規靠望指別…….“
”…….容內圾垃的準標是這，例為容內篇這以
。品健保銷推始開後最，識常的義意無毫個幾列間中，害危眠失講在麵前，文軟銷營篇一，例舉是來下接
。圾垃是就這，是實事而然，高很量質它為認會定一則規麼那，輯邏理處的去過們我照按果如，準標式格種這“
。注標據數做要需，型模類分個一練訓門專要需們我此因
”。注標據數做來手人出分要需們我天明，看看以可家大，了好寫經已ssob，型模類分
。作工的續後於驚震更，潔簡美優的型模於訝驚，後之完讀型模類分把任元趙
。檔十成分要，分評量質行進工人織組再後然，樣抽料語部全把要
。成嗬氣一身起，機關，存保是於，走有沒還遼馬看他”！走“
。道槽吐地腦晃頭搖遼馬”。美優真是的寫碼代的板老，說不得不“
！的人死會是那？嗎量務任的示暗型模這到看沒你“：說任元趙
”。了得這乾來全，了乾別都活的別們我，注標據數做工人
”。好定製則規把，乾來包外找是率概大，活這乾們你讓能可不，心放“
”。了心放就我那“
