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...

寒假4场线上面试都黄了。开学返校，千里迢迢，路程25h。到校就是打扫卫生，整理杂物。第二天满课，有事没午休，晚上睡觉漏风着凉，终于是把自己累感冒了。结果感冒了才想起来自己还有一个一面测试题没写，但是昏昏沉沉看不下去；又想到今天boss还没投满150，得赶紧投完；之后又想起自己还没看课学习......焦虑，急躁，颓废，厌恶......各种情绪交织，终于接受了。谁让自己高考前想得太多，井底之蛙，没有想学习的心呢；谁让自己大一什么寻找幸福的意义，加入学生会和社管，忙成陀螺拿奖学金呢；谁让自己大二开始摆烂陷入无尽的虚无主义，而执行力--啥也不干呢。所以没办法，如今的结果，都是过往的自己一步步堆积出来的，自己认，自己扛。我大抵是病了。高中疫情居家放假，病痛缠身但不会想学习的事；如今病了，想的是好倒霉，打乱了许多计划，干不成很多事。对自己好一点，一路的风景何尝不值得我们驻足欣赏。那些过去没掌握的东西，不是失去了，而是在未来等待，一步一个脚印慢慢来去拾起来就好了。戒骄戒躁。

难道前端真的已经不行了？

"请介绍一下你印象最深的项目经历。" 面试官语气平淡，笔尖在记录本上轻轻点着。 我清了清嗓子： "我在拼多多集团实习过，基础架构方向，负责分布式存储调优和微服务治理，做过千万级并发下的容量规划和全链路压测……" "——等等。" 面试官抬起头，笔悬在半空。 "你说，拼多多，基础架构？" 我点头："对。参与过大促备战的架构优化，也参与了系统的故障演练和容灾方案设计，大促窗口期系统稳定性指标比实习前拉了不少。" 原本靠在椅背上的另一位面试官，悄悄坐直了。 "是那个……GMV已经破万亿，大促期...