offer选择（核电站技术or烟草一线）

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...

求求大佬们帮忙看看简历，心态已经被磨平了，感觉自己简历问题比较大，但是不知道怎么下手改。马上要春招了，好迷茫。。。

最近十分焦虑，本来计划找java岗的，结果现在这个时代，什么都要带上ai，本来就有一大堆java八股文没背，还要仓促的学agent，但学的都是基础呀。简历上那些都是提示词工程，让AI输出指令格式，然后程序判断，也没什么含金量。完全没有什么竞争力😭，唯一的竞争力就是实习时间可以长些吧。但我也找不到适合的学习项目，另一方面自己也比较着急。想要快点找实习。求大佬们指点一下小弟😭😭😭

2026年03月24日 虾皮二面-数据平台全程50分钟。上来先聊了几分钟个人情况，为什么做后端，有没有学过大数据课程什么的。中间主要问问实习项目做的情况。做了什么，怎么做的，遇到的难题及解决，项目规模，所在部门。最后给个题，（提供了一段日志处理代码题）请计算字符串例子里面 HTTP 状态码是 200 的百分比。也不难。简单反问。春招第6面，就结束了。这次可能参考价值一般，没有八股，项目也没有问比较深入的问题，手撕的话也就纯字符串切片统计的模拟。这个面试官比较和蔼，没有什么拷打。部门具体名称不记得了，只知道是做什么集团内部数据平台的。更新：已挂。意料之中吧，问题不大。一面能过就很奇怪，本来在一面...