我看过一些面试反馈，有一个比较典型的现象：👉 有些人一面没问题，但到了二面，很快就被问住了而且往往不是不会，而是：👉 讲不深、讲不透、讲不下去二面和一面最大的区别在于：👉 不再考“你知道什么”，而是在看：👉 你做过的东西，能不能经得起推敲1️⃣ 项目不再是“讲”，而是“被拆”很多人准备项目的方式是：我做了什么用了什么技术达到了什么效果这些在一面是够用的。但二面通常会直接往下问：👉 细节比如：这个优化你为什么会想到？当时有没有其他方案？为什么不用？如果场景变化，这个方案还成立吗？有没有什么可以继续优化的地方？这类问题的核心不是难，而是：👉 你有没有真正思考过你做的东西很多人卡在这里的...

…… 标题党了，对不起各位牛爷爷了，请问各位简历有没有要优化的

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...