第一次打开那个用户反馈群的时候，我以为自己进错了频道。 消息刷得很快，清一色都是在抱怨——页面加载慢、操作卡顿、等半天没反应。我翻了翻历史记录，类似的反馈已经持续了好几天，而且越来越密集。 "这个性能问题，你来跟一下。"导师在周会上把任务指给了我。 说实话，我有点懵。来拼多多实习才一个多月，平时做的都是相对独立的小需求，第一次接手一个直接影响用户体验的线上问题。我下意识看了导师一眼，他没有多解释，只是点了下头，意思是：就是你。 我先从监控数据入手，一层一层看调用链路。刚开始看不出什么名堂，接口响应时间整体在波动，但没有特别明显的异常点。我盯着图表看了一下午，越看越焦虑。下班...

求各位牛爷爷指点

是简历有什么问题吗，求大佬指点要玉玉了

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...