请系统性地介绍大模型训练中的数据清洗、数据处理和数据配比方法。

回答思路

1. 覆盖数据清洗常见方法如去重、去噪、过滤低质量内容
2. 说明数据处理流程如格式化、分桶、归一化等
3. 阐述不同数据类型（文本、代码、对话）的配比策略
4. 结合实际经验说明配比调整对训练效果的影响