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...

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

压力很大，面试官全程高压，问的问题不难，但是没有任何反馈，很慌张，也无算法。实习问了20分钟，一直问我你们做的有什么用，总时长一小时1.学校都有什么课程2.spring的ioc原理以及优点3.除了解耦还知道什么？4.springboot与spring区别，二者的源码看过没？Tomcat了解嘛？有没有具体看过5.spring的bean，面试官一直在重复一个思想问我懂不懂，完全没听过6.mybatis是干什么的？ibatis用过没？平常怎么写SQL？完全不写嘛？7.设计一个分布式双十一秒杀系统（前端，网关，缓存，数据库防超卖全设计）8.怎么做限流9.缓存与数据库一致性，你做异步要用户等你嘛？10.负载均衡怎么做11.多数据中心还是单数据中心，如果出现没卖完怎么做（到这完全不会了，面试官直接说换个话题吧）12.平常读书吗？13.上过哲学课嘛？14.兴趣爱好有没有15.对ai的看法16.来深圳有问题嘛？17.为什么不考研18.上大学带给了你什么？你提升在哪里，有没有具体的例子？反问：1.现在手机都有应用市场，应用宝怎么盈利？除了手机应用市场还是有人用，现在在做跨端，微软都有合作，之后会进军mac，主要做游戏，腾讯本身就是游戏大户。2.面试表现？整体评价一下会给到反馈。面完直接变HR面，今天HR面后，已经转为录用评估了，来牛客许个愿，暑期现在还没什么面试，希望能拿个offer之后再考虑要不要留在手子吧。

一天随随便便就有千把块钱3月29日 21:30更新。今天爆单了，营业额 3899