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...

因为考研没秋招，现在怎么都找不到合适的工作。。。

目前大三，投了百家公司，约面很少。请问是简历哪里有问题吗

今年暑期实习行情真的好起来了，暑期实习拿了美团，京东，饿了么三家的Offer，最终去了美团，披上了我的黄马褂，开启送外卖之旅大中厂暑期实习合集1、淘宝闪购(饿了么）📌 内推方式：https://campus-talent.alibaba.com/campus/position?campusShareCode=L8oq_CpbJUkrOq0kKyElsbT%2F4hvInWZn6ivpq6P65ow%3D&batchId=100000540002内推码：6GJN623(加入意向单仅淘宝闪购)2、哔哩哔哩27暑期实习内推链接(进去筛选实习）https://jobs.bilibili.co...