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...

目前进度是codetop前五页+hot100刷完了，八股背完了一轮但是感觉没背熟，求大佬们拷打简历

📍面试公司：字节-中国交易与广告🕐面试时间：4-1💻面试岗位：后端开发❓面试问题：全程问黑马点评那个项目1.token是怎么生成的；2.token续约是怎么做的3.为什么用threadlocal4.threadlocal有什么缺点5.有什么可以代替threadlocal(问我知不知道另外一种threadlocal，听都没听过，没回答上来)6.讲一下redis五种数据结构的底层7.你的项目支持在多端登录吗？8.怎么把他改造成只允许在一个设备上面登录然后是道算法题：寻找重复数（上去脑子短路了，一下没想起来，悲）🙌面试感想：项目全部回答上来了，但是算法没写出来，凉了，感觉面试官还不错，就是自...