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...

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

有没有大佬面过 腾讯职能线这个部门的暑假实习岗位，        求面经

完全没人约面，之前唯一一个给面试的字节一面挂了，麻烦大家看看是哪里的问题？我认为可能的几个原因：1.大厂筛简历不看pdf，只看在线填表的简历，我因为没有竞赛经历，没有实习经历，英语46级分太低等等，好几个模块是空的2.没有实习经历（那现在要去找个小厂实习先干着吗？感觉对暑期实习帮助不大啊）3.pdf版简历本身有问题，但我实在是不知道该咋改了最近真焦虑坏了，有种不知道该往哪里努力的感觉，完全没面试导致我都不知道该去提升哪方面了，求各位大神指点指点