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...

拿到多个offer是幸福的烦恼，但选错了可能影响未来3-5年。这篇把offer选择的决策框架完整拆解，帮你做出理性决策。  📦 开始之前：我准备了哪些东西 offer选择是重大决策，需要工具和方法。先列一下我做offer选择时用到的核心物料：    工具/资料 用途 备注     offer信息表 汇总所有offer的关键信息 用飞书多维表格或Excel   决策评分表 按维度给每个offer打分 量化决策，避免感性   求职精灵（finsight.work） 查公司信息、看面经了解团队 辅助判断   牛客网 看公司评价、团队氛围 真实员工反馈   脉脉 了解公司内部情况 匿名但信息丰富  ...