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...

腾讯 京东oppovivo快手美团百度字节蚂蚁上面的厂都投了，有的直接简历挂了（快手  阿里挂的最严重），测评做了，有的给了笔试，但为啥大多都一直卡流程？卡在“简历筛选/评估中”，这是怎么回事？项目不行？还能找到实习吗？

这份简历可以进腾讯面试嘛，救救孩子😭

经历过也当过面试官，感觉面试官的“尖刻”，通常分三种，应对策略完全不同：第一种：压力测试型（占大多数）表现：连续追问细节，挑战你的方案，甚至质疑你的结论。比如：“你这个活动的成功，有没有可能是运气？”“你这个数据是怎么得到的？落地性经过检验了吗？”目的：考察你的抗压能力、逻辑扎实程度和自信水平。看你是在压力下崩溃，还是能冷静捍卫自己的观点。我们怎么办：保持镇定，把质疑当作深入的讨论机会。你可以说：“您提的这点很关键，我当时的考虑是…，从结果来看…，如果再来一次，我会加入…的验证。” 展示你的思考深度和成长性。第二种：秀优越感/PUA型（少数，但存在）表现：打断你说话，用居高临下的语气否定你的经...