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...

不透露岗位了，这次面试的方式非常奇怪。算是纯聊天加八股盛宴（os+net+mysql）大满贯了。最后算法也是easy题目，面完一小时接到二面通知，有点害怕。二面直接冲

继上次三方毁约后，又拿到了腾讯社招offer

📍面试公司：百度PSIG🕐面试时间：2026.3.30💻面试岗位：测试开发实习❓面试问题：1、自我介绍2、聊聊你项目中的亮点？3、你在项目中的职责是什么？4、开发过程中有没有遇到什么问题？如何解决的？5、你从这个项目中收获了什么？6、针对你提到的文件上传说说测试用例如何设计？7、你最近一段测试实习主要做了什么？涉及哪些端？8、测试覆盖率如何计算的？9、设计自动化测试脚本过程中的难点是什么？10、自动化测试的case是否需要人为确认其效果？如何验证脚本可行性？11、算法题给定一个caseList（用例列表）和一个deviceList（设备列表），请实现一个算法，将所有用例均匀分配到各个设备...