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...

引流：腾讯 阿里字节 美团

目前这个简历投直接秒挂，想问问各位大佬哪里出问题了

#牛客AI配图神器#📍面试公司：信雅达🕐面试时间：3.27💻面试岗位：Java❓面试问题：1：你先做个自我介绍。2：你这边的实习到 12 月份结束了，这个是他们是规定就这么长时间不留用还是其他情况？3：你理解的 Java 内存模型（JVM 内存模型）是怎样的一个机制？4：讲一下 Java 的垃圾回收机制5：你做的项目里，有没有遇到一些 Java 的内存溢出的一些场景？怎么排查的？6：数据库的话是看这里只列了 Mysql，是就接触过 Mysql 数据库，是吗？一些国产新创的数据库没接触啊？7：Mysql 一些性能的一些调优方面，比如 SQL 的性能等等。这方面有没有一些可以分享的经验？8：...