汇川三面30分钟

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...

因为考研没秋招，现在怎么都找不到合适的工作。。。

相比一面真的难太多了，面试官更喜欢从底层不断地拷打，直到问到我实在是答不上来了面经发出来攒攒人品，需要的牛友可以看看

1. Spring Boot启动时，SpringApplication.run()背后经历了哪几个关键步骤？思路按启动全流程：准备环境 → 创建上下文 → 刷新容器 → 加载自动配置 → 初始化Bean → 启动完成回答示例面试官您好，run方法的核心步骤是这样的：首先启动计时器，初始化监听器；然后准备运行环境，加载配置文件、激活配置；接着创建Spring应用上下文；再刷新上下文，扫描Bean、加载自动配置类；然后完成Bean的创建、依赖注入、初始化；最后执行Runner，发布启动完成事件，整个项目就启动好了。2. MySQL的二阶段提交（2PC）如何解决redo log和binlog的一致性...