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...

拼多多测试一面，

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

大学生活的时间没有持续很长。湖北武汉的大学朋友大学三年级的时候问过我一个问题 “开车回家过年”。开车回家过年 怎么设计一个实体类。当时没有多想面向对象的OOP design 。大学二年级的时候回老家过暑假的时候也尝试看我堆数据库的连接情况是否了解。电子图书馆的成功设计就可以顺利毕业。蹲在老家的那一年坚持看他大学二年级给的企业老板的JavaEE教学录屏。学校教师教学方式和大学外面的工作方式有很大的差距。  坚持练习计算机技术的书籍课程源代码是很好的编程学习方式。时间长久才会可以看懂企业Java EE的一些工作代码的实现方式。自信与经验相辅相成。Practise Java source code ...