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...

能投什么企业

二面强度非常大，面试官很nice，但问题一个比一个狠。项目聊了将近20分钟，然后直接进入硬核八股，最后手撕。整体节奏很快，八股没答好直接挂，手撕写出来了但没解释清楚，属于死在细节上。题目如下，附个人分析，希望对备战字节的同学有帮助。题目列表自我介绍项目深挖20分钟（重点问了架构设计和技术决策）FreeRTOS调度器的实现原理，抢占和时间片轮转的本质区别FreeRTOS有哪些同步原语，互斥量和二值信号量的区别同优先级任务是怎么调度的优先级反转的完整场景，FreeRTOS怎么解决，能完全解决吗死锁的四个必要条件，嵌入式系统里怎么预防ARM Cortex-M中断处理，硬件自动压栈了哪些寄存器原子操作...