慢慢来，比较快

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...

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

boss打招呼了快500，简历投了40多份，结果到现在就只有一个外包和一个几十人小厂约面，大部分都是已读不回，或者要了简历就没下文了。不知道是我的简历写的有问题还是打招呼的方式不对，又或者学历的问题，真不知道该咋办了 …………

2.28 考研分数出来就感觉有点悬进复试有点难 于是开始准备春招，寒假其实也在学一点开发的东西和准备简历。但欠缺的东西还是很多。3.6 经过几天的思考和情况观测，感觉在复试线边缘准备开始投递春招和准备复试开始也是很焦虑吧，不知道未来在哪里，到底要去干啥，一直背八股了解项目。中间过程最难受的就是做测评吧，非常消耗时间而且好多家都是一样的题目，感觉像吃了shi一样。到目前为止投了大概500+，实际简历到hr手中的可能100左右，面试6家企业，这周还有四家，已经oc 2个外包。具体面筋可以看我主页，我也是第一次面试吧从3月中旬收到第一家开始，感觉也是非常紧张，最后反问面试官也说我有点紧张，加强一下表...