美的

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...

相比一面真的难太多了，面试官更喜欢从底层不断地拷打，直到问到我实在是答不上来了面经发出来攒攒人品，需要的牛友可以看看

敢问哪家大厂能在工位这件事上打过百度？L 型大工位真的太犯规了东西随便铺开、灵感随时落地这种自由感，谁能不心动啊🥹不服来战💪

但这里有一个致命的认知误区：“包装”不等于“造假”。 很多同学把别人的开源项目或者师兄师姐的产出直接扒过来写在自己简历上，这叫造假；而把你真实做过的、哪怕很基础的活儿，提炼出技术深度和业务价值，这才叫包装。很多同学实习了几个月，简历上老老实实写：“负责日常 Bug 修复”、“参与后端接口开发”、“配合前端联调”。这种描述太“真”了，真到面试官一眼看过去就觉得你是个边缘无情的 CRUD 机器，毫无亮点，直接扔进简历池底。高级的包装，是在真实的业务场景里，挖掘出你解决复杂问题的能力。打个比方，假设你实习时参与开发了一个实验室检验流程管理模块（类似 trp 这种系统），主要涉及样本、订单和设备的子模...