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0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

项目拷打  简单聊聊项目设计思路，具体如何实现的？  然后没有深入聊了，问熟悉哪些中间件或者技术栈。谈到MySQL和Redis MySQL  解释一下什么是索引 追问索引树叶子节点和非叶子节点分别存储什么？ B+树和B树索引有哪些区别？ 说下什么是MySQL中的事务 前面我提到了undo log和redo log，追问binlog是做什么用的？ 知道什么是联合索引吗？  手撕  关于前面的联合索引题，现在有联合索引abcd，给定sql语句 select a，b from t where a = 1 and b = 2 and c > 3 and d = 4.请问这里用到了哪些列的索引？ ...