宁德时代值得去吗

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...

明天下午面这家，jd写的很高，有点害怕

ttl： 3.19一面晚上过3.20二面3.23oc3.25offerbase：末9有一段中小厂实习一面面经：（总体时长一个小时二十分钟左右没什么八股，主要都是问项目和场景题1.实习（问了有四十分钟，感觉面试官很看重实习这一块，一直在拷打，问到后面我都要疯了，好在准备得比较充分1️⃣用的是什么中间件，有参与技术选型吗，实习的项目里为什么选这个RabbitMQ而不是kafka，为什么不用RocketMQ，为什么放弃异步，自己的项目里面使用的是kafka，那你觉得项目和实习的中间件选型有差异的原因是什么，他们之间的区别在哪里，底层的原因知道吗（高柱到这里已经快疯了，但是硬着头皮答完了，主要是从一致性吞吐量和框架的契合度答，面试官说答得挺好的，应该是没什么问题，这一块就问了快半个小时，到这里我已经快疯了2️⃣项目怎么对接上下游3️⃣介绍项目的难点重点4️⃣微服务（高柱实习是单体项目没涉及这一块5️⃣Redis的使用2.项目：1️⃣智能客服是怎么应用在项目里的（langchain4j➕rag➕functioncalling）2️⃣RAG了解多少3️⃣文本向量化的难点是什么，了解哪些大模型的知识（我一点不懂，纯瞎扯，但貌似扯对了4️⃣对ai的态度是什么，aicoding相关5️⃣怎么保证多节点下Caffeine缓存里面数据都是一致的（答的是短ttl，面试官不是很满意，但是我确实不太懂这个怎么保证，后来查了还是不懂怎么保证6️⃣Redis的使用，和你的实习项目的使用有区别吗，还有一些引申问题3.八股（含量不高，就是走个过场1️⃣进程的内存布局2️⃣Redis三剑客3️⃣微服务相关知识（高柱已经忘得差不多了…勉强答上来4️⃣JVM5️⃣线程状态6️⃣线程安全，在你的实习项目里怎么保证线程安全的（又绕回来了4.智商题找异常球5.手撕：1️⃣五道sql，不难2️⃣力扣不重叠的滑动窗口数组，贪心➕双指针秒了强度拉满了这个一面，高柱到后面人都是傻的二面面经：（就半个小时实习拷打，简历上写了几点就问了几点，问完就结束了，无手撕

自我介绍实习（20min）负责哪块工作怎么用的DDD（5min）为什么要用DDD实体、值对象、聚合根是怎么考虑的后续的扩展怎么评判做的工作和优化是有效的？基础mysql索引需要建索引的场景where 的地方都要建吗kafka、pulsar区别如何保证消息不丢为什么用 pulsar消息堆积有处理过吗kafka 什么时候会触发 rebalanceAIAI 开发工具开发工具的区别AI 在工作中的占比为什么是这样的占比？有积累一些AI经验吗如果把经验累积起来你觉得这个占比会改变吗平时如何跟AI对话的举一个跟AI对话解决实际问题的例子吧AI给了哪些方案你用了哪个？是怎么描述给它这个问题的泛聊平时怎么学习...