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...

刚看到到了初试，还没面就流程结束，有没有知道什么情况的

全篇不会教你怎么去给Agent创建Skill，而是教会你什么是好的Skill、坏的Skill以及究其原因。什么是Agent Skill一个根本性的误解大多数人听到“Agent Skill”，首先想的是：教会AI去做某件事情但是你有没有想过，现在的大模型已经不知道喂了多少东西了，像维基百科、Word问单号、github代码仓这些，都不需要你教给大模型那么Skill到底是个什么？Skill是知识的外化机制从作用机制上来说，Skill其实教会模型怎么去做？传统AI，知识都被锁在了模型参数当中，你如果像给模型去塞一些新的技能？怎么做？ 传统方式： 收集数据 → 设置 GPU 集群 → 参数训练 → 部...