春招进行中，个别公司正在偷偷裁员。B站、汇丰、网易广州互娱产研外包、小鹏、海康威视……微博热搜挂着的这些公司，都陷入裁员的舆论中。网传B站直接裁了60%，也许有夸张，但大概不是空穴来风。 整的我也很焦虑。本来秋招签了家SaaS公司的offer，以为写完论文就能躺了，最近也一直在纠结，万一智能体继续这么爆，这家公司的业务被冲垮了，会不会毁约？ 雪上加霜的是，正好又刷到了Anthropic的一篇研究报告，讨论了AI对就业市场的冲击。报告提出了"暴露度"这个概念，结合平台真实使用数据，看AI现在实际正在处理哪些工作任务，以及占这个职业总任务量的比例。（虽然这是美国数据，但趋势大概...

如题，本人双非学院本，大一大二的时候主要在打ACM。但是怕只打ACM找不到工作，大二也开始学开发。大三上边实习还边打比赛，但是圆梦ACM亚洲区域赛金牌了。然后我信息差比较封闭，加上前面打比赛也没什么时间。所以项目就是一个练手项目，想写技术亮点都不知道写啥。后面也没时间做一个新项目。实习也是初创公司。感觉项目经历和实习经历都拉完了。然后也是寒假才了解到暑期实习，然后花了一两周从零开始背八股，刷面经。然后面了腾讯WXG还是有些八股遗漏了，还有被吐槽项目没深度，一面直接挂了。现在感觉好焦虑，感觉ACM金牌好像作用并不大。不知道还能不能找大厂暑期，不行的话要先找中小厂沉淀吗，或者加急一个星期赶出个比较好的Agent项目然后继续投，还是说不如直接去信奥赛教培行业了。考研走算法岗的路线就算了，偏科太严重了也不擅长考试。好迷茫啊，感觉卷不动了。

什么年代了，还有地主

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...