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...

26届本科，这样的简历春招能拿到offer吗

快，各位大神，给我分享分享经验

最近看着AI越来越火，身边很多同学都想冲，但是一上来就去学大模型训练、深度学习、论文，学了半个月就放弃，又迷茫又内耗。我这段时间自己查资料、看招聘、问学长，慢慢想明白了一件事：我们这种零基础、非985/211的学生，入门AI，根本不是去搞科研，而是去“落地”。给大家说说我心中最适合普通人的几个方向：（1）Prompt 工程（最适合零基础入门）真的不是网上说的“花活”。会写精准提示词，能让AI做数据分析、生成代码、写文档、做总结、处理业务逻辑。门槛最低，马上能用，面试、实习、工作都能拿来提高效率。适合所有人，哪怕代码一般也能学。（2）RAG 检索增强生成（我最推荐）不用训模型，不用懂高深数学，只...