闺蜜公司

投的是京东基础架构部门的 C++ 后端开发岗，一面是电话面试，面试官语速很快，上来先聊了十分钟背景，然后直接进技术。整体风格是广度优先，覆盖面很宽，C++ 基础、内存管理、并发、网络、项目都有，但每道题不会问得特别深，感觉是在快速扫描知识面。项目聊了将近二十分钟，他对项目里用到的技术选型很感兴趣，问了不少为什么这么选。最后有一道手撕，难度不高，时间也够。总时长刚好一个小时，整体节奏很快，没有太多思考时间。1. 自我介绍，介绍一下你的实习经历和做过的项目2. 你提到用过消息队列，为什么要引入 MQ，解决了什么问题，选型上为什么选这个而不是其他的？答：引入 MQ 主要解决三个问题：解耦、异步、削峰...

项目是天机学堂和黑马点评。有相同经历的同学可以一起讨论讨论吗😭😭

offer审批等了三天今天终于下来了，一个不好的消息就是暑期变日常了，但是hr说还是可以转正，感觉转正机会还是很渺茫的听说也是晚上十点十一点下班

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...