菜鸟java是真缺人嘛

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...

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

我觉得我经历很丰富啊，为什么在西安只有7k😭

自我介绍实习（20min）负责哪块工作怎么用的DDD（5min）为什么要用DDD实体、值对象、聚合根是怎么考虑的后续的扩展怎么评判做的工作和优化是有效的？基础mysql索引需要建索引的场景where 的地方都要建吗kafka、pulsar区别如何保证消息不丢为什么用 pulsar消息堆积有处理过吗kafka 什么时候会触发 rebalanceAIAI 开发工具开发工具的区别AI 在工作中的占比为什么是这样的占比？有积累一些AI经验吗如果把经验累积起来你觉得这个占比会改变吗平时如何跟AI对话的举一个跟AI对话解决实际问题的例子吧AI给了哪些方案你用了哪个？是怎么描述给它这个问题的泛聊平时怎么学习...