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...

目前0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

正式进入AI Coding时代了  

参加了 联影医疗 嵌入式软件开发一面，整体感受是：问题不多，但每一道都可以“往死里问”。面试官不会刻意区分 MCU 或 Linux，而是围绕“你是否真正理解系统如何运行”不断追问，从语言本质、硬件行为到操作系统机制，很多问题如果只是停留在经验层面，很容易被继续往底层追溯。以下是整理出的 18 个问题，基本还原当时的技术深度。面试题目C 语言中一个变量从定义到被 CPU 访问，中间经历了哪些过程？编译器、链接器和内存布局分别做了什么？指针解引用时，CPU 具体做了什么？如果访问了一个非法地址，会在硬件层面发生什么？volatile 能解决所有并发可见性问题吗？在多核系统和单核中断场景下分别有什么...