字节评估

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...

26学院本，有两段小厂实习经历。想转agent应用开发，或者继续java开发。简历求锐评价

第一次发牛客，想让兄弟们给点建议，我就想找个Java实习🙄

offer A：药明生物，可base老家，某苏南城市，年包32w（这薪资在我来家很可以了），工作时间早9晚5点30，中午休息一小时，每天餐补25元，面试时告知是项目制，也不是很懂怎么算项目制offer B：Bybit，全球前三的交易所，base吉隆坡 必须出海，年包100w，了解到的工作时间大约早10晚8点30（除非自己要卷），中午休息两小时，晚上约一小时，每天餐补40马币，给每个程序员都配了claude code尽管用bg：211本硕，三年+国内互联网大厂经验我自己思考了下，可以说药明生物除了在老家，没有任何优势，但是就这一点就足够牵绊住我了，所以我现在就很纠结，一边是出海的高薪工作，一边是...