天翼云后端一面(凉)

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...

这是我在BOSS遇到最有人性的hr，他的鼓励简直让我这么久人机般投简历来，最感动的一次，真的好想进这家公司啊😭😭😭

秋招0offer，估计简历有问题   

欢迎大家投递哈，岗位多多，先到先得，感兴趣的话，OPPO全集团所有岗位都可以找我内推 OPPO内推推荐码【80399024】 内推链接：https://careers.oppo.com/university/oppo/campus/post?shareId=7292 早点投递，速投抢offer👇🏻 【💼岗位11大类】 AI/算法类、软件类、设计类、品牌策划类、标准研究类、硬件类、工程技术类、采购类、产品类、销售服务类、综合职能类 每人可投2个岗位！ 【工作地点】东莞、深圳、成都、上海、北京、西安、南京、重庆、武汉、杭州、海外 【福利待遇】极具竞争力的薪资、制化培养体系、多样化发展机制  ...