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...

双非要怎么才能找到工作😰好焦虑😭😭😭😭

腾讯 京东oppovivo快手美团百度字节蚂蚁上面的厂都投了，有的直接简历挂了（快手  阿里挂的最严重），测评做了，有的给了笔试，但为啥大多都一直卡流程？卡在“简历筛选/评估中”，这是怎么回事？项目不行？还能找到实习吗？

## 整体流程 ​ 机试->网上综测->资格面->两次技术面->主管面 ## 各环节经验#### 机试：​ 在联系栗栗姐后，根据栗栗姐给的材料刷了刷题库。最后熟悉了一下答题环境，在牛客上刷了几题，和Leetcode的不同之处就是多了个输入的处理和输出的print。 ​ 机试需要用到电脑+手机摄像头，如果是台式记得网购一个，之后几次面试也用得上。机试的软件一开始还给我闪退了一次，说什么环境有问题好像，后面不管他直接重连就解决了。​ 机试由2道100分题和1道200分题组成，虽然说2道100分题做完才能进入200分题页面，但也可以随时返回100题页面进行修改。我遇到的2道1...