西南电子技术研究所 硬件研发实习生 招聘

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...

为什么面了八次次次都是一面挂，次次都不说原因，问了面试官就是插科打诨，为什么别人一面就过呢，真的没有缘分呀。不考编程就是脑筋急转弯的概率题，考了编程a了也不过没a也不过 总之就是不过，没一次二面，深深的怨念。觉得我不够资格就直接拉黑简历呗，每次都捞起来重新拷打一顿什么意思呢。

省流：迟到，面试开始第 8 分钟说，想问的都问完了，然后出了一道移除重复元素，直接进反问腾讯地图 北京周一中午约的一面，聊了一个小时冒头，第二天就约二面了面试官迟到了三四分钟，倒无所谓了进来先开始吟唱，然后让我自我介绍自我介绍了三四分钟，不知道面试官对哪感兴趣，就问了一嘴要不要继续展开面试官说，挑一个比较难的项目讲讲，就挑了一个，讲了一下没有任何的回答和评价，直接问了一个八竿打不着的八股文正常回答之后，没有任何的评价，直接说，那我问的差不多了，重复的我就不再问了，咱们来做一道题吧给我一道移除重复元素讲完思路，写完之后直接进反问当时已经知道什么情况了，但是我还是正常进行了反问。然后对方开始戏谑的笑，一点没开玩笑太爽了，兄弟，人生最爽的二面结束之后 10 分钟之内给我挂了

面试完在写面经呢，一看邮件，5分钟的时间给我挂了，笔试也直接给取消了。面试官整个过程都是笑呵呵的，问题也基本答上了，整场体验感挺好的，本来以为稳操胜券，结果被他装糖阴了一手（反问环节还问他后续的面试流程，丢人丢大发了）。整个过程太抽象了，简历项目是一个没问，倒是对我简历上写的个人技能（熟悉什么东西）逐个进行了一次 DFS，越问越离谱，最后跟 AI 应用完全没啥关系了。问的问题太多了，不太能完全回忆起来，只能回忆一下大致有哪些问题，详情如下：1. 简历上写的熟悉 C++ 语言，问的问题：平时用的什么标准的 C++ 语言；是否了解模板；用过什么 STL；set 和 map 是否了解，底层怎么实现的...