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...

刚看到到了初试，还没面就流程结束，有没有知道什么情况的

3月27号进行的HR面，然后48h后链接消失了。已加HR微信和上传云证。HR跟我说 要与业务侧进行一个合议。

1、无自我介绍，手撕 删除链表倒数第N个节点，考虑边界情况2、redis的zset、查询score 10-k的数据的时间复杂度、查询score等于10的时间复杂度3、mysql的索引、联合索引、最左匹配原则4、介绍实习5、反问