关于涨薪审批中的问题

1. 你做过大模型数据处理的话，预训练数据清洗一般怎么做，去重、去噪、质量过滤分别解决什么问题？预训练数据清洗本质上是在控制“数据量”和“数据质量”之间的平衡。去重主要解决模型反复记忆同一批内容，避免浪费训练 token，也减少 benchmark 污染。去噪主要是过滤乱码、模板页、广告页、低信息密度文本、机器生成垃圾内容，不然模型会学到很差的语言模式。质量过滤更偏向保留高价值内容，比如结构完整、语义通顺、知识密度高、代码块规范或者问答对明确的数据。实际工程里一般不会只靠一个规则，而是多阶段处理：先做规则清洗，再做语言识别、长度过滤、内容打分，最后再结合 dedup 和采样策略。因为预训练效果...

27届Java实习

timeline1.13打电话约面1.20 一面 第二天约二面1.23 二面 过了一个周末约三面1.28 三面2.2 通知三面过 offer审批2.5 oc

我之前在一家创业公司待了一年半，虽然工资不高，但那段时间是我进步最快的时期。成长型工作的几个特征：经常遇到不会的东西，但能学会 那时候公司要做一个实时数据看板，我之前没做过。硬着头皮啃了两周文档，做出来了。现在这个技能成了我简历上的加分项，面试基本都会问。能看到自己的进步 刚入职时写个接口要一天，三个月后半天就搞定。从只会增删改查，到能独立做性能优化、架构设计。这种成长是看得见摸得着的。工作有反馈，有成就感 你做的东西有人用，用户量从0到10万，bug从每天十几个降到个位数。这种正向反馈会让你觉得，加班都是值得的。下班后还会主动学习 不是因为焦虑被迫学，而是白天遇到了有意思的问题，晚上想深入研...