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...

投boss已经投麻了，好多都是已读不回，找不到啥约面的机会，想求问一下各位大佬现在是继续找日常好，还是冲暑期好，找暑期我怕要求太高过不了面两个项目都是我问ai写的，求问大佬们还有啥需要改进的地方吗

柠檬微趣笔试的题目搞得也太烂了吧，感觉题目做的一点也不好，十分随便。我写的第一道是字符串对应转换的，输入是"effe"，对应输出"good bad bad good"，很简单，结果最后只过了百分之七十多的样例。我看半天没看明白题目中说的相互对应是什么意思，意思是e也有可能对应其他的字符串？例如"effe"，对应"not bad bad not "也算对？但是我按严格对应的过了73%，想了半天浪费了好多时间最后也没写出来。第二道是个递归，第三道是双指针，都过了。但是第三题数据1e6，我用了个sort也没超时，感觉数据...