淘天意向

那是一个普通的工作日下午，大促备战进入最后阶段。 我坐在工位上，盯着监控大盘做例行巡检。那时候我入职才三周，说实话，很多指标看了也不知道好坏，只知道"别出红"。 然后我看到了一个有点奇怪的地方。 不是报警，颜色也是正常的绿色，但某个依赖服务的响应趋势和其他几条线走势不太一样——别人都是平的，它在缓慢地往上爬。 我截了个图，发到自己的备忘录里，想了一会儿，没吭声。 毕竟我才来没多久。说不定是正常波动，说不定我理解错了，说不定问题根本不在这里。 又过了半小时，那条线还在涨。 我鼓起勇气，在工作群里 at 了导师：「这个服务的响应时间是不是在慢慢上涨？还是我看错了？」 导师回了两...

不过大厂的面试确实比小厂能学到更多

今天第一段实习离职了，公司很好，同事很好，mentor也很好，待遇也很好，第一次在这里体会到了归属感，离职的中午mentor还请我吃了饭，真的感谢公司给我的这一次机会，也感谢这次机会让我认识了不错的实习搭子，也感谢好的舍友，被导员找的时候盘问的时候一直在帮我打掩护。只是没想到导员会看门禁的进出记录，也没有想到我的家长会把我实习全部告诉导员，更没有想到在我应付过导员后，为了以后实习申请不住宿只能和家长说我的规划并寻求他们帮助的时候，他们先是稳住我，之后把我去实习的情况和现在去离职肯定的告诉导员。在他发现我可能实习，到离职完，我后面还是有一步一步的规划，直到家长和我说他们把我离职已经和导员说了，我被稳住了，我后面也没有招了以后也没有机会实习了，我已经尽力了，可能对不起的只有我自己的努力，为我打掩护，咬死不承认的舍友，和二面把我过掉，但我却没有帮上忙的mentor和公司了祝大家一切顺利吧，我只能躺平等毕业再说了😊以后有没有机会接触开发再看吧

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...