字节跳动抖音电商内推来咯

最近看了一些面试反馈，有一个很典型的现象：👉 有些人一面的问题，基本都答上来了，但最后还是挂了而且这类人通常会有一个困惑：👉 “我明明都会，为什么还是不过？”说一个比较直接的结论：很多时候问题不在“会不会”，而在于：👉 你掌握的是“结论”，还是“理解过程”面试官在一面，其实主要在判断一件事：👉 你的基础，是“能用”，还是“能解释”举一个很经典的问题：👉 从输入 URL 到页面展示，发生了什么？这个问题几乎所有人都准备过。常见回答是：DNS 解析TCP 建立连接发送 HTTP 请求浏览器解析渲染这些都没问题。但问题在于：👉 这些是“步骤”，不是“理解”如果继续往下问：DNS 为什么要...

😭这是给挂了吗，都一周了还显示这个。。。。

佬们看看这个简历可以冲大厂吗

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...