百度一面(9.25秒挂)

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...

大学前两年天天玩，高数还挂了，从去年9月份到现在一直在学Java，今天把简历做出来了，项目学了很多，但是有些部分是只过了一遍，挑了几个放简历上了，要应付面试的话还得好好准备第一个问题，这个简历，大佬们有什么修改建议吗第二个问题因为我们学校5月份有个学校安排的实习，具体好像是硬件方面的，感觉很水，我自己想申请自主实习，现在是准备面试到什么时候开始投递呢第三个问题我们后端开发如果想去央国企的话是不是都要求硕士啊，然后央国企有什么需要特别准备的吗，跟私企的招聘有什么区别感谢各位大佬，祝大家都天天开心，发大财

小红书你来的有点晚了已经是节孝子了

我投的是后台开发，不知道为什么面试官是C++的，因为技术不互通吧，基本上在闲聊，比较轻松，这里把腾讯元宝的总结贴出来吧1.自我介绍​​2. 技术栈与语言理解​​​​编程语言对比​​：候选人认为Java相对笨重，Python语法简洁且库丰富，Go语言性能较好。​​C++理解​​：认为C++效率高于Java，更贴近底层，常用于系统编程。​​内存管理​​：指出Java的JVM可管理对象内存，但ThreadLocal等资源仍需开发者手动管理，不当使用会导致内存泄漏。​​3. AI工具应用​​​​日常使用​​：候选人使用CodeX、Kimi等AI工具辅助编程、生成文档和PPT。​​协作模式​​：强调与A...