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...

鼠鼠是二本学历，学的是java，面的是软件工程师，面试的时候没问什么技术，就问了一些项目经验，我就把之前公司的项目经验说了一下，但是复盘面试的时候发现讲的很多东西都不会甚至有的根本没听过（mes，仿真，ai）。虽说面试官说了有学习的机会，进去以后先从mes学起，如果学习能力强会调去ai，但鼠鼠还是很紧张，可以说是不自信吧，也可以说是被打压太久了反而没有信心了😭

本2硕9，力扣是没刷完的，八股是没背完的，准备先投中小厂练练手，逼自己先面试找找感觉。大厂到底什么时候才配投啊，看了面经能掰扯的最多才一半