家人们谁懂啊！刚实习的时候用AI Coding，差点把我坑到离职！踩了无数坑才明白，AI Coding不是万能的，用不好就是给自己挖坑，今天必须来吐槽一下新手用AI Coding最容易踩的5个大坑，再给你们对应的避坑技巧，全是我用血泪教训换回来的！先说说我最惨的一次经历：那时候刚入职，mentor让我写一个订单查询的接口，还要支持多条件筛选。我图省事，直接把需求扔给AI，AI10秒就生成了代码，我看都没看就直接上线了。结果上线当天就出问题了：用户筛选条件一多，接口直接超时，查一次要10几秒；更离谱的是，AI生成的SQL没做权限控制，普通用户能查到所有用户的订单，差点造成数据泄露！最后我连夜回公...

为啥约不到面试啊😭😭😭是我的简历问题，还是打招呼有问题大佬们，能帮忙看看简历吗？

春招约不到面试，太难受了

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...