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...

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

年前一面通过，后面问是否考虑外包岗位，撤回的消息说的是“没办法，学历是硬性指标”，难绷那你面我干啥呢，浪费双方时间，你早说是外包岗我还接你面试干啥😂

入职互联网大厂大半年，我是部门唯一的本科生，亲身经历和身边人的对比，让我对学历在求职和职业发展里的分量，有了比学生时代更清醒的理解。今天想把这些真实感受，认真和大家聊一聊。首先我特别想反驳一个流传很广的论调：本科能就业就别读研。每次看到有同学明明有保研机会，却被这种说法忽悠着直接工作，都觉得特别可惜。结合技术岗的实际情况，我把市面上的工作大致分成两类：一类是真正的大厂岗位，起薪可观，更关键的是身边同事整体水平高，能接触到行业前沿的技术和成熟的体系，这段经历本身就是未来跳槽、晋升的重要背书，我把这叫作给自己构筑职业壁垒；另一类更像是单纯的体力消耗，薪资不高，工作内容重复且无成长，对后续职业发展几...