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...

  史上最尬，没有之一😂 我是社招。

offer审批等了三天今天终于下来了，一个不好的消息就是暑期变日常了，但是hr说还是可以转正，感觉转正机会还是很渺茫的听说也是晚上十点十一点下班

之前快手实习的时候在电梯里面听到一个老哥问另外一个老哥，面试的时候问什么怎么招什么类型的候选人。那老哥也是坦率，直接说看眼缘，聊得来就行。无论是之前这个快手这个面试官还是现在我认识的很多面试官，绝大多数面试官在面试的过程中多少都会代入部分自己的主观判断。 很多技术岗的小伙伴和我以前一样，只搞技术不在乎其它的一些地方，但是不是每个人都能用绝对的技术来征服面试官的 ，所以很多非技术的点在找工作的时候也很重要，这些非技术的点好似润滑剂，有了润滑剂会让你的求职引擎转动起来更加的丝滑。简历上的图片简历照片的重要性：看过很多人的简历图片和当初博主求职的时候一样，用的大一甚至高中的照片，这里非常推荐如果有时...