90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...

整体考察范围很广，Java 基础、JVM、MySQL、Redis、Spring、并发、算法都有涉及，每道题不会问得特别深，但覆盖面很全，感觉是在快速扫描你的知识面。算法题有两道，一道链表一道树，难度中等，给的时间不多。总时长刚好一个小时，面试官最后说感觉还不错，让等通知。1. Java 中 synchronized 和 ReentrantLock 的区别是什么，分别适合什么场景？答：synchronized 是 Java 内置的关键字级别的锁，使用简单，加锁和释放锁由 JVM 自动管理，不需要手动释放，不会因为忘记释放导致死锁。但功能比较基础，不支持超时获取锁、不支持中断等待、不支持公平锁，也...