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...

这种实习能去吗？    

想知道这种双非简历能拿啥工资，不行的话就考研刷学历或者考公了。求大佬帮忙看看

1. cpp 的虚函数和纯虚函数答案：虚函数是为了支持运行时多态。父类把成员函数声明为 virtual 之后，子类可以重写它，通过父类指针或引用调用时，会根据对象的真实类型决定执行哪个版本。纯虚函数是在虚函数声明后写上 = 0，表示这个函数只定义接口、不提供默认实现。只要类里存在纯虚函数，这个类通常就是抽象类，不能直接实例化，派生类如果不实现这些纯虚函数，也不能实例化。虚函数强调“可以重写”，纯虚函数强调“必须实现”。工程里纯虚函数经常用于定义接口层，比如网络连接接口、日志接口、存储接口。代码： #include <iostream> using namespace std; cl...