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...

本科电子信息，开学就大三下了，把之前比赛项目写进简历了，但投了好多都没啥回应，请教大佬拷打。但这里简历第二个项目我一开始用的裸机，后面用rtos重写的，但对rtos我不太熟悉基本靠ai改的，万一问到我怕答不上来，请问这种水平可以先找个中小厂实习攒经验吗。

📍面试公司：神州信息 hr + 技术面💻面试岗位：java开发❓面试问题：hr：自我介绍、能否出差、意向地、工资、有无offer 技术：对着简历问，问简历里写的实习经历和项目经历的问题场景，没问八股。实习都是好几个月前的事了，答得依托🙌面试感想：预订面试15分钟，结果真的就面了这么长时间，时间一到就不继续问了，拷打实习经历不问八股是真的心里没底。