🕐面试时间：45min💻面试岗位：后台开发❓面试问题：拷打实习为什么不继续在那家公司继续干了（全力备战秋招）拷打项目（rag可不可以搞成多标签处理，怎么实现，上传知识库的流程可不可以简化一下，方便非技术人员操作，react是怎么实现的，哪些是循环，循环过程是怎样）你用cursor开发过项目，平常是怎么开发的String s = new String("abc")会创建几个对象java的泛型擦除是什么（这个第一次听说）实习时间安排，如果装正了能实习到多久，如果不考虑秋招能实习到多久（不考虑秋招？？）算法题 将类似aaabbcc的字符串转成a3b2c2，很简单，可以在本地i...

大四学院本 想冲刺一下春招但是学历直接被刷不知道是不是简历问题有没有牛油帮忙锐评一下

恐怖如斯

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...