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...

考研下岸了，大四上没去校招，现在没实习经验，简历投进去但是过不了筛😣，各位🐮友有什么高见吗

为什么你这个Agent项目选择用 SSE 而不是 WebSocket？是怎么考虑的技术选型 在最近的 AI Agent 相关面试中，我发现这是一个必考的“送分题”。如果仅仅背诵“SSE 是单向、WebSocket 是双向”这类基础定义，很难打动面试官。 面试官真正想考察的，是你对业务场景的适配能力以及对网络协议架构的深度思考。以下是我总结的深度回答思路。 一、 核心分歧点：场景驱动选型 在面试中，我通常会先抛出一个观点：没有最好的协议，只有最适合业务的协议。  SSE (Server-Sent Events)：本质是基于 HTTP 的“长轮询升级版”。服务器在处理完请求后，保持连接开启，不断推...