同花顺这是真的吗

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...

为什么第一段实习都找不到😂，211本，项目一个点评一个微服务商城，

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

1. 你的项目中使用了消息队列（MQ），如何保证消息的可靠性投递（不丢失）？回答：保证可靠性需要从三个阶段入手： 生产者阶段：开启确认机制（如 RabbitMQ 的 Confirm 模式或 RocketMQ 的同步发送）。发送失败时进行重试，或者记录日志入库。MQ 节点阶段：开启持久化（交换机、队列、消息全部持久化到磁盘）。如果是集群环境，使用镜像队列或多副本同步，确保 Leader 宕机后数据不丢。消费者阶段：关闭自动 ACK，改为手动 ACK。只有在业务逻辑处理成功后才返回确认，防止消息在处理中途由于异常丢失。2. 谈谈 Netty 的高性能架构，为什么它比传统的 Tomcat 连接器更快...