最近在面试，说实话，每次看到 精通 这俩字，我这心里就咯噔一下。不是我不信你，是这俩字太重了。这不仅仅是自信，这简直就是给面试官下战书😥。你写 熟悉，我问你 API 怎么用，能干活就行。你写 精通，那我身体里的胜负欲瞬间就被你点燃了：既然你都精通了，那咱们就别聊怎么写代码了，咱们聊聊尤雨溪写这行代码时在想啥吧😒。结果呢？三个问题下去，我看对面兄弟的汗都下来了，我都不好意思再问。今天真心给大伙提个醒，简历上这 精通 二字，就是个巨大的坑，谁踩谁知道。来，我给你们复盘一下，什么叫面试官眼里的精通。你别只背八股文我上来通常先问个简单的热身：Vue3 到底为啥要用 Proxy 换掉 Object....

忽然收到了面试邀请 有没有友友有面经分享 投了这么多 第一个面试机会

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...