虾皮大模型应用算法面经-日常实习

联发科二面相比一面，更关注系统设计能力、工程经验以及对问题的深入推导能力。面试官通常会从一个开放问题切入，持续追问实现细节、性能瓶颈以及设计权衡，重点考察是否具备完整的系统思维。面试题目设计一个高并发嵌入式数据采集系统，要求支持多种外设并保证实时性与可靠性设计一个支持断电恢复和回滚的固件升级系统如何定位一个长期运行后出现的内存泄漏问题如果系统出现偶现卡死且无法复现，应如何系统性排查多核系统中如何设计任务调度以减少锁竞争在高并发场景下，如何优化中断处理路径以降低延迟设计一个高效的用户态与内核态数据交互机制如何优化Linux系统启动时间，从上电到应用启动全过程分析如果设备出现频繁IO阻塞，如何分析...

求大佬指点，想找一份日常实习，可是投了快1000份，只有40个要了我的简历，只有两个面试机会，而且其中一个上来就要我签劳动合同我没同意，怎么办，出路在哪！！！

boss上投了200份了，还是没有约到面试，甚至没有回复，好焦虑😖

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...