国科微电子 秋招内推

1. 自我介绍2. 项目介绍3. 项目拓展问题：如果某个智能体在运行过程中，系统突然升级重启，有什么异常恢复的思路4. 项目拓展问题：多智能体转接的底层逻辑5. 是否了解 skill，和 MCP 的区别6. 项目拓展问题：你的 RAG 项目和传统 RAG 相比，做了哪些改进，用了什么分块，检索策略7. 是否了解 MySQL 索引8. 手撕：模拟实现一个栈和队列（听到这么简单的手撕题，差点没绷住笑出声😁）9. 反问

第一次发牛客，想让兄弟们给点建议，我就想找个Java实习🙄

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...