双非本211硕投推荐算法十几家只面了一个还没结果，其他要不挂要不拖着，有一篇推荐CCFB和一段小厂RAG实习和一个生成式推荐项目SFT+RL，还要坚持吗？还是转其它的，快要坚持不下去了ku，ai时代压力好大

28届找小厂实习，沟通了一百多一个面试都没有，简历投了十份但是都没后续了，不知道问题出在哪，是项目问题吗，有没有大佬帮我看看。

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...