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...

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

26届本科，这样的简历春招能拿到offer吗

小米一面整体节奏很快，面试官技术功底扎实，问题层层递进，不会只停在概念层面，基本每道题都会追问"为什么"或者"你在项目里怎么用的"。整个面试大概 60 分钟，前半段是基础八股，后半段直接上手撕代码，压力不小但氛围还算友好。建议提前把 C++ 内存模型、并发、STL 底层这几块吃透，代码题要写得干净，边界条件别漏。1. 自我介绍略（根据个人情况准备，建议控制在 2 分钟内，突出项目亮点和技术栈）2. 进程和线程的区别？进程间通信有哪些方式？线程间通信呢？进程是资源分配的基本单位，线程是 CPU 调度的基本单位。同一进程内的线程共享堆、全局变量、文件描述符，...