小米北京嵌软

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...

今日首蚌，真的很难绷住

下面按真实面试高频整理，覆盖算法岗 / 大模型 / 工程 / 产品四类最常见 AI 岗位，直接背就能用。 一、通用必问（所有 AI 岗都跑不掉） 1. 自我介绍（1 分钟版：学历→项目→技术栈→亮点） 2. 机器学习基础 ◦ 过拟合怎么解决？ ◦ 正则化 L1/L2 区别？ ◦ 准确率、精确率、召回率、F1、AUC 含义与适用场景 ◦ 交叉熵、MSE 损失函数区别 3. 深度学习基础 ◦ 梯度消失 / 爆炸原因与解决 ◦ BatchNorm 作用、原理 ◦ 优化器：SGD、Adam、RMSprop 区别 4. 编程 & 工程 ◦ Python 基础：装饰器、多线程、GIL ◦ Pand...