训练大模型时数据通常如何进行清洗、处理和配比，以帮助模型达到更好的性能？

回答思路

1. 说明数据清洗的主要流程，包括去重、去噪、过滤低质量和有害内容
2. 描述数据处理环节，如分词、格式化、平衡类别、处理缺失值
3. 解释不同数据源和任务的数据配比原则及对训练效果的影响
4. 结合实践经验说明清洗和配比对模型性能的具体作用