长得好不好看能不能通过我不知道，但是长得老实通过率确实提高

春招以来我主要投递央国企，流程普遍偏长，目前大多还在笔试、面试或等待结果中。虽然暂时没有确定 offer，但每一次笔试复盘、面试总结都在夯实后端基础。不焦虑不浮躁，稳步推进，相信踏实准备终会迎来满意的结果。目前已投：南方电网海南昌江核电各个银行#春招至今，你的战绩如何？#

呜呜呜这，，，太难了

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...

目前投了的基本都挂了个遍😭字节：寒假处女面没好好准备一面挂。 3月初开学被捞了面到三面挂。3月19被捞了结果二面挂（二面面试官让我汗流浃背问了很多没想过的问题：1.你学了这么多东西和学校课程有什么联系吗？答：就计网和计操还有点联系吧......  面试官让我接着说 ........  （os：这真有啥我用到的吗😭😭😭）2.你为什么要学这么多组件？这些中间件的作用是什么？答：......，为了保证系统的高可用，高并发，提升性能吧。（内心都有点绝望了 面试官不满意，还是问这个问题）还问了好多计网相关的什么信道编码信元编码（os：我上计网课老师真讲过吗？八股也没有说这些的......）又问我哈夫曼编码目的和作用是什么？答：为了避免解码的时候前缀歧义.....面试官又接着追问为什么要用哈夫曼编码？（os：这我刚才不是答了吗，这要问啥呀真不知道了😭😭😭），还有一些Agent开发相关的问题）腾讯：二面挂，甚至二面面试官都不没让我手撕了（主要也是拷打项目）京东：一面不到三十分钟结束以为无了结果两小时后约二面，二面甚至只有二十分钟....（面试官说后面还有其他面试的，尽量快点，整体感觉和面试官聊的还行），3天了没后续大概也是挂了😭😭😭（感觉京东面试官是我目前感觉体验最好的了，很和蔼没有压力。问到了线程池怎么考虑配置，答的不完全，还会主动给我讲实际场景，引导我思考）pdd笔试挂，mhy笔试完两周了才发邮件简历挂了。美团笔试完也没约面（编程题我确实菜，就mhy笔试A出来一道）马上四月了还有机会找到暑期吗😭😭😭