安踏一面凉经

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...

据传网易要下大雨从外包开始网上这图片也是零零散散真滴假滴？

现在好多技术都在学，项目还在搞，但是害怕时间太晚来不及了，只要有人要我就可以了小厂也可以，佬佬帮我看一下😭😭

那是实习第七周的一个下午。 导师在群里发了条消息："流量切换窗口定在今晚，大家准备一下。" 我盯着屏幕愣了几秒。那个我参与重构了将近一个月的服务，今晚要正式承接线上真实流量了。 说"参与"其实有点谦虚。最开始确实只是参与——导师把整体架构画在白板上，我负责其中一个子模块的实现。但后来事情慢慢变了。 第二周的时候，我在跑压测，发现某个环节的耗时曲线不太对劲。不是那种一眼就能看出来的异常，而是在流量逐渐上升的过程中，响应时间的增长斜率比预期要陡。我截了张图发在群里，问导师："这个趋势正常吗？" 导师看了一会儿，回了两个字："不正...