1、自我介绍2、项目介绍3、离线数据处理咋做的离线数据处理我一般会按“采集、清洗、标准化、切分、标注、校验、入库”这条链路来做。先把多来源数据接进来，比如文档、表格、对话日志、接口结果、历史工单，然后做编码统一、去重、去噪、脏字段修复和无效样本过滤。对于文本类数据，还要做特殊符号清理、HTML 去标签、分段切分、敏感信息脱敏和元信息补全。如果是训练数据，还会进一步做 schema 对齐，比如统一成 instruction / input / output，或者统一成多轮消息格式 messages=[{role, content}]。如果是 RAG 知识数据，就会做 chunk 切分、标题挂载、...

秋招0offer，估计简历有问题   

1. 自我介绍2. 讲一下你做过的项目，重点说说其中最难的技术点3. 我看你实习了一年了 怎么没留在上家公司4. 说一下线程、进程、协程的区别，如果放到你的项目里会怎么选答案：进程是资源隔离单位，线程是 CPU 调度单位，协程更像用户态轻量执行流。进程的隔离性最好，但切换和通信成本更高；线程共享地址空间，适合同一个服务内并行处理任务，但要处理锁竞争和共享数据一致性；协程切换开销小，特别适合高并发 I/O 等待场景。如果放到服务端项目里，我通常会让网络接入层偏事件驱动或协程化，避免大量阻塞线程；真正的 CPU 密集型计算，比如压缩、解析、聚合，会放到线程池里做。所以不是三选一，而是看场景组合使用...