23还没找到工作

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...

你在leetcode上练的都是死代码能力🤣

26届本科生，简历写成这样可以吗，毕业回家了过完年来找工作，很迷茫，不知道投什么岗写项目完全离不开ai

在你简历中的两个项目里，你觉得哪一个做得比较好或者更有技术含量？讲一下虚拟滚动的实现原理是什么？虚拟滚动在处理用户快速滚动时，底层是如何监听更新并保证页面流畅度、不掉帧的？针对 AI 对话的流式渲染，在技术选型时为什么要选择 SSE 而不是 WebSocket？结合 Markdown IT 工具，前端打字机效果具体是如何处理数据拼接和渲染的？你目前实现的打字机效果，是根据服务端响应的数据块增量渲染，还是真正做到逐字渲染的？假设后端逻辑不变，要求前端调整成“带有光标且挨个字匀速吐出”的真实打字机效果，你会怎么调整架构设计？如果这个 AI 对话平台要做到支持一万个用户同时在线，从前端或服务端的架构...