字节算法实习

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...

感觉就是那种，背景也不够硬，实习也不够硬，啥都不够硬，除了硬着头皮在各个招聘软件和官网平台投没有任何收获，已经不知道自己能干啥了……

牛友们，都说春招对于我们这种学院本会更友好，为什么boss上都是直接回复不合适，连简历都没机会发出去，牛友们能看看这个简历有什么问题吗。

字节二面手撕没撕出来，n个线程，打印1~m,线程1打印1，线程2打印2，...线程n打印n,线程1打印n+1 ...写了个烂代码，但是那个编译器不能自动导包。手动导包不知道ReentrantLock在哪里，CountDownLatch在哪里.*只能导入该目录下的类， a.b 和a不是同一个目录 ReentrantLock在java.util.concurrent.locks下，CountDownLatch在java.util.concurrent下  import java.util.*; import java.util.concurrent.*; import java.util.conc...