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...

不知道过两年会变成啥样…   

26学院本太难了，很多公司机筛就给我刷了。机会都难拿到如果是简历存在问题也欢迎拷打————————————————————分割线——————————————————————2026.3.4更新：发完贴之后，时不时投递又收到了不少的笔试/面试邀请。主要是之前投递简历出去之后基本上都是沉默状态，年后好转了不少timeline：2026.01.21 文远知行笔试，半年多没刷算法题 ->挂 (后续HR说春招可以重新安排笔试)2026.2.4     小鹏汇天 技术一面，第二周收到结果 ->挂2026.2.12   大众Cariad代招 技术二面 ->Offer2026.2.28   多益网络技术面试，由于风评太差，一直在犹豫要不要接面试 ->推迟-----------分割线-----------2026.3 月前的某一天，临时去电网报名了二批计算机岗位的笔试2026.3.6 从上家公司实习离职，氛围最好的一家公司，leader 说可以帮忙转正，但是流程太长，而且我们部门据说只有一个 hc，更想要研究生，我很有可能是会被签外包公司在这里干活，就离职了。2026.3.9 入职新公司，大众Cariad 以外部公司的身份进组，项目组签了三年，后续三年应该都可以在这里呆，不知道有没有希望原地跳槽。2026.3.10 电网考试居然说我通过资格审查了，短信约我去参加资格审查，请假一天，买了 12 号晚上的机票回成都2026.3.15 参加国家电网计算机类笔试2026.3.17 电网出成绩了，感觉很低。觉得已经🈚️了2026.3.18 收到电网面试通知，通知 3.22-3.25 这个时间去面试，我的岗位只招 1 个人。据说面试只有 2-3 人，不知道能不能成功----------分割线-----------2026.3.21 电网面试结束，感觉回答的还勉勉强强，大概是2个岗位分别招1个人，一共11人面试，实际来了9人2026.3.27 出面试成绩，满分100分，早上10:20左右发现面试成绩46，我震惊了，没截图，后面过了十分钟重新看发现面试成绩给我改成58了。但同样震惊。朋友问我是不是把面试官打了，哈哈

看到一个来自35岁80后硬件老玩家的回复。经常会在往上看到有人探讨，嵌入式有35岁危机吗？我今年正好35，曾经在一线干了单片机开发10年。前几年出来单干了，不过现在让我出去找工作，一点压力也没有。我身边有一些96后，00后的小年轻，他们普遍的想法都是：1.想加班？不可能！2.只能单休? 那我还是不干了！3.工资低？凭什么给你卖命！通过无际单片机的项目找到工作的那些小年轻，很多都是这想法。我觉得他们不是去工作，而是去整顿职场。对比我们那个年纪，伤害性不大，污辱性极强，我们这代80后挣的全TM是窝囊费。我考你一个问题：一个企业主，喜欢招一个随时可能“仗剑走天涯”的浪子，还是一个听话的小奶狗？正常的...