百度2025校招内推

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...

项目代码黑马点评，ai优化了一下，加了几个点agent项目也是比较简单玩具的一个项目。代码能力实在不怎么熟练，光去看八股了，算法的话，目前刷了两遍hot100和部分的150的题目面后端的话，直接对着大厂暑期实习冲吗，海投那样吗？求大佬点评点评

第一次发牛客，想让兄弟们给点建议，我就想找个Java实习🙄

想和大家认真聊一句： 实习写在简历上的经历，到底该真实到什么程度，又该不该适当包装？ 我自己的看法是：真实是底色，包装是表达。 大部分实习生刚进公司，其实很难独立扛下大项目，日常更多是协助、执行、打杂、学习。 如果完全照实写“整理文件、录入数据、复印跑腿”，简历看起来就很没竞争力。 所以所谓的“包装”，更像是把不起眼的小事，提炼出价值： 把“整理表格”，写成“负责业务数据汇总与核对，保障部门日常工作高效推进” 把“帮忙对接信息”，写成“参与跨部门沟通，协助推进项目节点落地” 把“简单执行”，写成“熟悉业务全流程，积累实操经验” 这不是造假，而是学会用专业的语言，总结自己真正做过的事。 有一分经...