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...

一面结束后，我大概有个预期：联影的面试不会考“广”，而是会继续往“深”和“实战”走。二面的实际体验也基本符合这个判断。整体节奏没有一面那么偏底层原理，但明显更偏向系统设计、问题定位和工程经验。面试官不会再单点拷打某个知识点，而是更倾向于抛出一个真实问题，然后不断追问你：你会怎么分析？为什么这么做？有没有更优解？代价是什么？很多问题没有标准答案，但能明显感受到，对方在判断的是：你是不是一个能在复杂系统里把事情兜住的人。面试题目在一个嵌入式系统中，如果出现“偶发性死机”，但长期无法复现，我会如何设计一套系统性的排查方案？如果系统运行一段时间后性能下降，但CPU利用率不高，我会从哪些角度去判断瓶颈是...