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...

项目代码黑马点评，ai优化了一下，加了几个点agent项目也是比较简单玩具的一个项目。代码能力实在不怎么熟练，光去看八股了，算法的话，目前刷了两遍hot100和部分的150的题目面后端的话，直接对着大厂暑期实习冲吗，海投那样吗？求大佬点评点评

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

📍面试公司：百度PSIG🕐面试时间：2026.3.30💻面试岗位：测试开发实习❓面试问题：1、自我介绍2、聊聊你项目中的亮点？3、你在项目中的职责是什么？4、开发过程中有没有遇到什么问题？如何解决的？5、你从这个项目中收获了什么？6、针对你提到的文件上传说说测试用例如何设计？7、你最近一段测试实习主要做了什么？涉及哪些端？8、测试覆盖率如何计算的？9、设计自动化测试脚本过程中的难点是什么？10、自动化测试的case是否需要人为确认其效果？如何验证脚本可行性？11、算法题给定一个caseList（用例列表）和一个deviceList（设备列表），请实现一个算法，将所有用例均匀分配到各个设备...