途游测试工程师春招 一面 (25min)

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...

3.10初试3.12复试3.14状态从面试中变成复试，一直到现在3.19了，也没有信，这是要三面吗？还是对比完HR面或着挂掉？

网友提问：yt哥你好，目前重邮大二。先前呢是跟着学院宣传的路线去打机器/深度学习算法竞赛，但是发现自己打着很累也仅仅只是增加了经验没拿奖。寒假的时候找了个就业辅导，建议我大二下找个日常实习。目前是根据之前的比赛赛题做了两个agent系统项目（llm和多模态各一个）。简历投出去以后，一个初创的小厂给了全栈开发的offer。后面面了一个头部车企，别人因为要研究生所以没发offer，但是建议我现在不要去小厂实习，把基础知识打好不要耽误读研（我还没上408的课）后面也收到了字节约面我的问题是：1：我本人是想读研的，如果是这样的话大二下到大三上这个空档期应该干什么2：我是应该继续走算法路线，还是说转ag...