长江存储一面

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...

10号下午二面的，今晚才从复试通知链接变成这个进度，求佬解答

想知道这种双非简历能拿啥工资，不行的话就考研刷学历或者考公了。求大佬帮忙看看

一、进程调度算法 先来先服务——短作业优先——最短剩余时间优先——优先级调度——时间片轮转——多级反馈队列调度（每个队列的时间片长度不一样）二、进程调度器 确保CPU时间片能在各个进程间合理分配，最大化系统资源利用率，同时考虑进程的响应时间。一个进程只属于一个调度器。  调度器是 CPU 中央处理器的管理员，主要负责做两件事情： 一、选择某些就绪进程执行。 二、是打断某些执行的进程让它们变为就绪状态。 调度器分配CPU时间的基本依据：进程的优先级。 上下文切换（context switch ）：负责存储和切换被切换掉之前的CPU 状态。三、调度策略 #define SCHED_NORMAL 0...