极氪被捞

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...

秋招没有大满败，最终收到节子的offer。

一、Java基础重点内容面向对象：封装、继承、多态equals 与 hashCodeString、StringBuilder、StringBuffer重载 vs 重写深拷贝 vs 浅拷贝准备方法熟悉核心语法和设计思想能解释常见面试题原理配合刷经典基础题二、集合框架重点内容List：ArrayList、LinkedListMap：HashMap、ConcurrentHashMapSet：HashSet、TreeSet高频考察HashMap 底层结构扩容机制hash 冲突解决JDK7 与 JDK8 实现区别准备方法理解底层数据结构能说清 put / get 过程理解不同集合使用场景三、并发编程重点...