科大讯飞内推

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...

本2硕9，力扣是没刷完的，八股是没背完的，准备先投中小厂练练手，逼自己先面试找找感觉。大厂到底什么时候才配投啊，看了面经能掰扯的最多才一半

据传网易要下大雨从外包开始网上这图片也是零零散散真滴假滴？

AI Infra 是未来 5–10 年非常确定的岗位方向之一，而且相比纯算法岗，门槛更工程化、需求更大、年龄更友好。AI Infra 技能栈你可以把技能栈理解为 4 层：第1层：基础工程能力（必须）这是门槛：LinuxPython / Go计算机网络操作系统DockerKubernetes数据库（MySQL / Redis）分布式系统基础API开发（FastAPI / Flask）并发 / 异步 / 队列（Kafka / RabbitMQ）这一层本质是：后端工程师能力第2层：AI工程能力这一层开始进入 AI Infra：PyTorch 基础模型推理（inference）模型部署（TorchSe...