一个完整的 HTTP 请求由 4 部分组成：请求行（Request Line）请求头（Request Headers）空行（CRLF）请求体（Request Body）1. 请求行（必背）格式：请求方法 + URL + 协议版本示例： GET /index.html HTTP/1.1 请求方法：GET、POST、PUT、DELETE、HEAD、OPTIONS 等URL：请求资源路径HTTP 版本：HTTP/1.1、HTTP/2、HTTP/32. 请求头（Header）一系列键值对，告诉服务器一些附加信息。常见请求头：Host：域名User-Agent：浏览器 / 客户端信息Content-Ty...

rt 不知道是真的假的丁老板 太难绷了

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...