本来不想发了，但实在很郁闷，今天补了一些昨天面过之后的短板看完有同公司大佬当天上午面下午就约面但也有不过的立马发感谢信的我是昨天下午面完，今天一天无约面，官网显示在流程还在泡，可能在横向，也不发感谢信这次面的还行，但还是被深挖问了几个地方，虽然自己有想法但答的四四五五的，因为有些猜的不算准评价为知识广度是被认可的，但是深问就不太行，废话谁能想到问这么深，也不是，主要没遇见过标准答案，就比如滑动窗口为什么过时？没办法保证频率吗？窗口小了能保证那为什么不如令牌桶？rocketmq三层锁重平衡，那什么时候会重平衡新增删除还有啥？没反应过来，导致重复消费还导致啥？应该乱序，但没仔细看过只答了乱序没说问...

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

让我填高考排名分数就算了，还问我大学努不努力，有无acm 队我要真打acm 还有必要找这种中厂水面试经验吗不管了瞎填吧，那就面试会会你，看看面试官有多抽象

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...