荣耀二面

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...

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

相比一面真的难太多了，面试官更喜欢从底层不断地拷打，直到问到我实在是答不上来了面经发出来攒攒人品，需要的牛友可以看看

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花在Spring依赖注入场景中，@Autowired和@Resource是最常用的自动装配注解，二者功能相似但底层逻辑、设计规范、使用规则差异极大，直接决定了装配成功率和代码兼容性。以下从核心维度逐一拆解区别：一、基础归属：规范来源不同@Autowired：Spring框架专属注解，来源于org.springframework.beans.factory.annotation.Autowired，仅在Spring容器中生效，脱离Spring环境无法使用。@Resource：Ja...