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...

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

1. 自我介绍2. 项目拷打3. 什么是 AI Agent？AI Agent 是一种以目标驱动的智能系统，不只是根据输入生成文本，而是能够围绕任务目标进行理解、规划、调用工具、获取外部信息、根据反馈调整行为并完成任务。它的核心组成一般包括大模型、记忆、规划、工具系统和执行控制。和普通聊天模型相比，普通模型更偏向一问一答，Agent 更强调任务闭环。比如查询订单、生成报表、分析异常、调用接口、触发流程，这些都更接近 Agent 的典型工作方式。4. Agent 和普通 RAG 的区别是什么？RAG 的核心是检索增强生成，重点解决模型知识不足、知识过时和领域知识缺失的问题。流程一般是先检索，再把检...