中兴9.14笔试

一面时间：3.20面试官介绍业务自我介绍展开讲一下百度的实习（STAR法则）举一下评测过程中典型的badcase你的工作偏下游，那么是怎么推进闭环的？做ui自动化的时候，url页面相互跳转是怎么处理的？ui自动化用的chrome插件还是自动化平台？挑选一下实习中遇到的困难，你是如何解决的？语言技术栈用的什么？mysql的四大特性（ACID）隔离有哪些级别redis常见八股（分布式锁、三大缓存问题）tcp与udp区别tcp与udp各自举一个使用场景有用过白盒测试吗？算法手撕：leetcode1. 两数之和针对用户登录功能，设计测试用例反问环节二面忘了录音了，反正和一面问的差不多，后面反问的时候跟...

emmm没想到以这种方式被挂了

现在AI这么恐怖，毕业26，能干到30吗？暑期实习也找不到，感觉快进斩杀线了啊

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...