项目训练数据怎样清洗、降噪和去重，筛选留存比例依据是什么？

知识专题：训练数据构建与治理题目类型：方案设计技术难度：进阶

相关面经：5 篇

未标记

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI

Kimi 千问 ChatGPT

本题目录

相关面经

5 篇

Shopee

AI 算法工程师

2026-08-15一面

查看原面经 →

项目数据集采用了哪些清洗、降噪、去重策略？数据筛选留存比例的依据如何界定？

字节跳动

多模态大模型算法

2026-07-25一面

查看原面经 →

你最终构建5K多模态指令数据，请详述从近5万条原始图文素材，筛选精炼得到最终训练集的完整数据Pipeline

智谱

大模型算法

2026-06-29一面

查看原面经 →

完整的数据清洗流程与处理标准

阿里巴巴

大模型推荐算法

2026-06-01二面

查看原面经 →

数据清洗步骤

字节跳动

大模型算法

2026-01-10实习二面

查看原面经 →

数据清洗流程