求助大佬们！

自我介绍 一些优势到上一任公司实习的契机、与竞品的区别有挑战性的部分（介绍自己的工作的部分）对图片编辑器（自己的工作）的调研介绍项目（公式编辑器）契机、架构设计过程项目核心数据结构（公式树节点设计）、介绍手搓的渲染器设计、基线概念介绍第二个项目、技术栈选型对后端的理解（研究过 express（其实是突击））未来规划（前端转全栈）手撕：数组重复元素整理，将其价格求和给设计稿，设计橱窗展示控件（主要关心数据流转，要求用户点击商品参数展示对应图片、缺库存的相关商品不能点击）反问 公司主要业务 给指导（无 AI 手写代码的能力、前期设计的能力）基本没问八股，就是围绕项目了解了一下，然后撕两道和公司业务...

给时间时间 终会梦想成真的🥺那就努力努力再努力🤲

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...