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...

学java第六天，效率太慢了把游戏删了我再玩是sb

春招以来我主要投递央国企，流程普遍偏长，目前大多还在笔试、面试或等待结果中。虽然暂时没有确定 offer，但每一次笔试复盘、面试总结都在夯实后端基础。不焦虑不浮躁，稳步推进，相信踏实准备终会迎来满意的结果。目前已投：南方电网海南昌江核电各个银行#春招至今，你的战绩如何？#