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...

这种实习能去吗？    

双非一本，八股刚开始，这个简历能找到实习吗。。。

秋招笔试里，最难的当属美团。算法题刁钻晦涩，计算机网络、操作系统考点极深，还有大量场景设计与逻辑推理。作为后端学生，做完只觉基础漏洞百出，也让我更清楚差距，之后针对性补了不少薄弱知识点。也可能美团那会我是第一次做的第一家笔试。#你做过最难的笔试是哪家公司#