上周二投的暑期实习，没想到周四就约面了，一边疯狂准备一边拖，终于今天完成了自己的第一面。前面问了十几分钟agent项目，后面回到java部分。HashMap 的底层实现是什么？是线程安全的吗？HashMap 会有死循环问题吗？如果要用线程安全的数据结构，有什么替代方案？synchronized 的底层实现大概是怎么样的？线程锁锁的到底是什么？ThreadLocal 有了解吗？大概是怎么回事？ThreadLocal 在什么场景下会用到？在你的项目中，有用到 ThreadLocal 吗？Redis 常见的数据结构有哪些？ZSet 和 Set 的底层实现有了解吗？缓存雪崩、穿透、击穿分别是怎么回事？...

简历改了又改，给个笔试也行啊

27届，投实习  

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...