看到一个来自35岁80后硬件老玩家的回复。经常会在往上看到有人探讨，嵌入式有35岁危机吗？我今年正好35，曾经在一线干了单片机开发10年。前几年出来单干了，不过现在让我出去找工作，一点压力也没有。我身边有一些96后，00后的小年轻，他们普遍的想法都是：1.想加班？不可能！2.只能单休? 那我还是不干了！3.工资低？凭什么给你卖命！通过无际单片机的项目找到工作的那些小年轻，很多都是这想法。我觉得他们不是去工作，而是去整顿职场。对比我们那个年纪，伤害性不大，污辱性极强，我们这代80后挣的全TM是窝囊费。我考你一个问题：一个企业主，喜欢招一个随时可能“仗剑走天涯”的浪子，还是一个听话的小奶狗？正常的...

211本985硕,暑期快手已经用人部门筛挂两次了😡😡实习已经改了一版了,需要写的更详细点吗😭😭😭

秋招官网投了100家没有一个面试，现在春招BOSS沟通了270家，投了27份简历，只有3个面试，还是实习，下面是简历和BOSS上的招呼语，求各位佬指点一下

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...