顺丰OC

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...

我还有机会吗

拼多多测试一面，

作为计算机专业刚实习完的过来人，刷到这个话题必须说句实在话：实习简历适当包装太正常了，但90%的人都搞反了重点，把包装做成了造假，最后面试翻车，秋招直接踩大坑。先戳破大家都懂的“职场黑话”真相：“参与项目”≈ 旁听过两次评审会；“协助完成”≈ 帮mentor改了两个小bug；“核心负责”≈ 写了几个CRUD接口；“推动落地”≈ 催过一次流程进度。这些话术本身没问题，问题在于，很多人只学了话术，没搞懂包装的底层逻辑，最后把简历写得天花乱坠，面试一问三不知。今天就给计算机专业的实习er，把包装的边界、方法、红线，拆得明明白白。一、先划死红线：这些行为，绝对是简历造假，碰都别碰包装的底线是「真实发生...