浪潮意向timeline

27届后端岗，今天面了个深圳，百人厂，面试20min，面试官没开摄像头。没让自我介绍，上来就查户口，家里情况有无兄弟姐妹...然后呢，问我高考分数，为什么考xx大学，接着问求职规划。有聊一下ai使用的情况和当下的市场环境，问我了解4A吗，我说没了解过，他介绍了一边4A给我听，然后让我复述一遍。并给他们的重要程度做个排序。反问环节：1.问业务，做半导体风控的。2.有无对实习生有技术上的支持和模型的配置。（这点我自己摸索出来的我觉得很好，说一下自己使用ai用哪些配置，聊投机了面试官说不定会让你谈谈使用感受和经验，让他感觉你真的用过）。3.薪资-开4000，有住宿。不太懂这是kpi面，还是厂真的确认...

今日首蚌，真的很难绷住

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...