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...

不过大厂的面试确实比小厂能学到更多

…… 标题党了，对不起各位牛爷爷了，请问各位简历有没有要优化的

1. 自我介绍2. 智能指针了解什么，unique_ptr、shared_ptr、weak_ptr 分别适合什么场景答案：unique_ptr 表示独占所有权，一个资源同一时刻只能有一个拥有者，适合所有权非常明确的场景，开销也最小。shared_ptr 表示共享所有权，底层通过控制块和引用计数管理对象生命周期，适合多个对象共同持有同一资源的情况。weak_ptr 不增加强引用计数，主要用于观察 shared_ptr 管理的对象，典型作用是打破循环引用。真正写工程时，智能指针不是“哪里都能上”，本质还是要先把对象所有权设计清楚。shared_ptr 用多了，很多时候反而说明对象边界没设计好。代码...