又挂了一上来两个面试官，给我整不会了，说为了节省时间，本来三轮技术面压缩。面试官1：自我介绍反射机制，哪些框架中用到了反射框架优点缺点concurrenthashmap怎么保证并发安全除了synchronized可以加锁还有什么锁synchronized和reentrantlock有什么区别线程池有哪些参数，参数怎么考量设置项目里哪些场景下使用了线程池，具体怎么设置参数的（这里我瞎说了，记不得哪里用，应该错了）为什么要定义线程池什么是聚簇索引什么是非聚簇索引覆盖索引怎么定位慢查询深分页了解吗，怎么优化？（这里我说了覆盖索引+子查询和游标法，但是游标法我不熟，面试官又追问我游标法具体怎么写，掉进...

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

过了，云智真tm香啊。😜

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...