2024深圳市考

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...

28届找小厂实习，沟通了一百多一个面试都没有，简历投了十份但是都没后续了，不知道问题出在哪，是项目问题吗，有没有大佬帮我看看。

感觉寄了，代码都让ai写了，现在心里慌慌慌。怕不给面试，也怕给了面试。第一次面试说要出一道算法题脑子一片空白😐。。。

面试部门：平台服务？大概叫这个，邮件里没有，面试官说的面试时间：3月24日17：00面试时长：40分钟比较基础的一次面试，没什么压力，面试官全程比较精神涣散hhh,估计bro也是上班上累了1.Agent项目用什么做的，选型原因，Agent框架了解吗2.Agent技术组成部分理解吗，讲讲执行链路3.Skills的真实逻辑怎么写的，明白和企业的差距吗（这个之后还问了些，比较深，个人受教了，还是下去再多看看Agent吧4.讲讲项目里的难点（Agent选取了RAG来说）5.除此之外了解AI的什么？Openclaw,Transformer...八股：（比较简单）1.Redis简介，Redis为什么快2....