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...

腾讯 京东oppovivo快手美团百度字节蚂蚁上面的厂都投了，有的直接简历挂了（快手  阿里挂的最严重），测评做了，有的给了笔试，但为啥大多都一直卡流程？卡在“简历筛选/评估中”，这是怎么回事？项目不行？还能找到实习吗？

一分钟能问两个题，八股狂轰滥炸，加粗是没答上来的自我介绍，优势介绍实习项目、底层框架JS 和 TS 区别JS 基本数据类型有哪些如何判断一个值是什么类型箭头函数的特点new 运算符干了什么闭包作用域作用域链（这个不知道，但是作为替代被要求说了原型链）事件循环机制（说了微任务宏任务）微任务宏任务区别用过的 React hook（state ref effect）React 不同组件怎么通信（状态提级声明并透传/外部状态管理器）组件中 data 为什么是一个函数（这是啥玩意啊事后我搜也搜不到啊）用没用过 Vue（说简历是 Vue 写的，那算了不问了）介绍节流和防抖的区别使用节流和防抖要注意什么（没...