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...

AI 能力恐怖如斯……  

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

🏆 TOP 1：你面试已经通过了，目前正在走流程。这句话绝对是牛客网年度最让人心梗的句子，没有之一！ “你还可以，但不是最优解。我们要先把你放进‘鱼池’里泡着，等后面几个候选人面完，如果他们太贵或者不来，我们再把你捞起来。”或者“HC（编制）还没批下来，先稳住你再说。”这个“流程”可能会走上一个月，最后告诉你“公司业务调整，HC锁了”或者直接养鱼养到失联。Offer一天没发到邮箱里，就一天不要停止面试！ 哪怕HR在电话里说得再天花乱坠，口头Offer都是0约束力。该海投海投，该面试面试，用其他Offer去反向催进度才是王道。🤥 TOP 2：我们公司是扁平化管理，氛围特别好。刚毕业的小白最容...