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...

目前就看了几家头部大厂。Tx挂了2次，后续没有继续复活了美团完成笔试，现在在筛选中蚂蚁已经感谢信，估计是岗位不匹配吧，我用go投了java淘天直接拜拜雷火被笔试难度劝退，不愿尝试哔哩哔哩没有合适的岗位，外加最近裁员传闻滴滴约面多多简历秒挂柠檬微趣挂虾皮挂我的春招如履薄冰，你说我能走到对岸吗。。。

目前大三下，学院本，投了五百多份简历，才得到的这份实习，大概是一个八九百人的厂，分公司挺多，但是来三天了，啥工作任务都没有，每天坐在那里刷力扣，我想问问各位大佬这种情况正常吗

为什么你这个Agent项目选择用 SSE 而不是 WebSocket？是怎么考虑的技术选型 在最近的 AI Agent 相关面试中，我发现这是一个必考的“送分题”。如果仅仅背诵“SSE 是单向、WebSocket 是双向”这类基础定义，很难打动面试官。 面试官真正想考察的，是你对业务场景的适配能力以及对网络协议架构的深度思考。以下是我总结的深度回答思路。 一、 核心分歧点：场景驱动选型 在面试中，我通常会先抛出一个观点：没有最好的协议，只有最适合业务的协议。  SSE (Server-Sent Events)：本质是基于 HTTP 的“长轮询升级版”。服务器在处理完请求后，保持连接开启，不断推...