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...

明天下午面这家，jd写的很高，有点害怕

这是**吗，天天发内推吗，想钱想疯了。看到都烦，我来牛客看面经结果全被这个刷屏

本人广工大三，现在一个月速学了一下java后端开发，目前刚准备完整练个项目，但简历上用ai包装了一下黑马点评（没做纯瞎编），正在海投实习。目前困惑是到底要考研冲一下211，还是继续学习刷实习就业，冲211难度有点大，而且害怕三年后的行情出来会不会不值得投入的这三年，但就业的话，又怕上限太低，求大佬们给点建议