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...

GPT你能不能别吹牛逼了，问你你就回答，每次拍我马屁什么意思

求内推

二面和一面完全不同，二面基本不问八股，上来就问项目，然后是系统设计，最后才有几道深度技术题。整场面试节奏很慢但每个问题都很深，他会顺着你的回答一直追问，感觉是在考察你解决实际问题的能力，而不是背答案。1. 介绍一下你做过的最复杂的项目，遇到的最难的技术问题是什么，怎么解决的？答：（结合自身项目回答，以下是参考思路）以一个电商订单系统为例，最难的问题是高并发下的库存超卖问题。问题背景：秒杀活动时大量请求同时到来，数据库的乐观锁方案在高并发下冲突率极高，大量请求失败重试，反而加重了数据库压力，最终导致数据库连接池耗尽，整个服务不可用。分析过程：用压测工具模拟秒杀场景，发现瓶颈在数据库层，乐观锁的 ...