来！！豪迈集团！内推码ES9MTH

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...

真投了你又不给ps:楼主其实比起去大厂当螺丝钉 更想去一些初创公司或外企。楼主是一年不到的社招。

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

我觉得“沪漂”比“北漂”要好很多。首先，上海整体环境更精致有序，城市节奏虽然快，但不至于让人过于压抑。无论是街道管理、公共服务，还是生活便利性，都让人更容易适应长期生活。其次，上海更注重规则和边界感。在职场和日常交往中，人际关系相对简单直接，少了一些无形的压力，这对外地打拼的人来说会更轻松一些。再者，上海的生活方式更加多元。你既可以努力工作，也能找到属于自己的生活节奏，不至于被单一的“奋斗叙事”裹挟。当然，北京也有它独特的优势，但从长期生活的舒适度来说，我还是更倾向于选择上海。