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...

本2硕9，简历里就写了一个点评和一个rpc，有点焦虑，hot100写过一遍感觉和没写一样，八股每天看，但是感觉有点看不下去，看一会就没劲，求骂醒目前才开始投，投了一个vivo，一个亚马逊，一个腾讯

去年出国读书，今年十一月份正式从毕业，在校期间就开始投英国的工作，找到了一个实习和一个伦敦的中型科技公司以及曼城埃森哲的Offer，但后面因为和家里的沟通，以及英国PSW签证问题就没有推进了。当时想的是，说这么难找工作的英国我都这么顺利找到了，一时觉得未来虽难，还是充满了希望。回来之后就随便投了一些公司，但逐渐发现其实没有那么简单，一开始没有发觉，后面投的简历多了就逐渐感觉到内卷。之前在英国投的公司，更多看你个人的综合素质，是一个比较长的流程，从你的基础，潜力和对这份工作的热情或者动机，而国内好像总是试图从某一个方面来对你进行打压或者筛选，你要是有实习就从你的学历挑刺，你要是有学历就从你简历空...