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

今天给大家带一个非常适合跟练的 Agent 项目——agents-from-scratch，LangChain 官方出品，手把手教你从零搭建一个能自动处理邮件的 AI Agent。 项目不大，代码量适中，但覆盖了 Agent 开发的所有核心概念。跟着做完，面试直接聊这个项目就够了。 这个项目做了什么？ 一句话：一个能帮你自动分类、回复邮件的 AI Agent。 它会：  自动分类收到的邮件（需要回复 / 仅通知 / 垃圾邮件） 根据邮件内容起草回复 敏感操作（比如发送重要邮件）会先让你人工确认 会记住你的偏好（比如"给老板的邮件用正式语气"），越用越懂你  技术栈 Lang...