晟通科技、诺禾致源运营社招面经

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...

难道前端真的已经不行了？

ttl： 3.19一面晚上过3.20二面3.23oc3.25offerbase：末9有一段中小厂实习一面面经：（总体时长一个小时二十分钟左右没什么八股，主要都是问项目和场景题1.实习（问了有四十分钟，感觉面试官很看重实习这一块，一直在拷打，问到后面我都要疯了，好在准备得比较充分1️⃣用的是什么中间件，有参与技术选型吗，实习的项目里为什么选这个RabbitMQ而不是kafka，为什么不用RocketMQ，为什么放弃异步，自己的项目里面使用的是kafka，那你觉得项目和实习的中间件选型有差异的原因是什么，他们之间的区别在哪里，底层的原因知道吗（高柱到这里已经快疯了，但是硬着头皮答完了，主要是从一致性吞吐量和框架的契合度答，面试官说答得挺好的，应该是没什么问题，这一块就问了快半个小时，到这里我已经快疯了2️⃣项目怎么对接上下游3️⃣介绍项目的难点重点4️⃣微服务（高柱实习是单体项目没涉及这一块5️⃣Redis的使用2.项目：1️⃣智能客服是怎么应用在项目里的（langchain4j➕rag➕functioncalling）2️⃣RAG了解多少3️⃣文本向量化的难点是什么，了解哪些大模型的知识（我一点不懂，纯瞎扯，但貌似扯对了4️⃣对ai的态度是什么，aicoding相关5️⃣怎么保证多节点下Caffeine缓存里面数据都是一致的（答的是短ttl，面试官不是很满意，但是我确实不太懂这个怎么保证，后来查了还是不懂怎么保证6️⃣Redis的使用，和你的实习项目的使用有区别吗，还有一些引申问题3.八股（含量不高，就是走个过场1️⃣进程的内存布局2️⃣Redis三剑客3️⃣微服务相关知识（高柱已经忘得差不多了…勉强答上来4️⃣JVM5️⃣线程状态6️⃣线程安全，在你的实习项目里怎么保证线程安全的（又绕回来了4.智商题找异常球5.手撕：1️⃣五道sql，不难2️⃣力扣不重叠的滑动窗口数组，贪心➕双指针秒了强度拉满了这个一面，高柱到后面人都是傻的二面面经：（就半个小时实习拷打，简历上写了几点就问了几点，问完就结束了，无手撕

TCSFOTDEPTCOPY.zipTCSSOFTDEPTCOPY.zipCan download source code from wps cloud server: https://www.kdocs.cn/l/cdpvsy7nrpJqFree Java algorithm solution for sharing and growing内容概要程序员编程助手科技股份有限公司和美国微软公司合作的中国深圳研发部门程序员编程助手科技公司CEO提供的研发算法测试题目参考适用人群国内的大部分高等院校的教授讲师和应届软件编程毕业生 初中高级的软件研发工程师国内的其他互联网公司高管以及软件研发人员适用...