写在前面：AI面试一般分技术面和行为面，大厂会有2~3轮技术面 + 1轮HR面。技术面以手撕代码 + 八股知识点为主，行为面主要考察项目经历和沟通能力。下面按模块整理高频题。1、机器学习基础请解释过拟合的成因以及你会如何处理？几乎每家必问。答题时要涵盖：正则化（L1/L2）、Dropout、数据增强、Early Stopping、降低模型复杂度等。BatchNorm 和 LayerNorm 的区别，各自适用场景？CV 方向 BatchNorm 更常见；NLP/Transformer 中 LayerNorm 是标配。能对比 GroupNorm 加分。梯度消失/爆炸是怎么产生的，有哪些解决思路？从...

目前进度是codetop前五页+hot100刷完了，八股背完了一轮但是感觉没背熟，求大佬们拷打简历

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...