百度AIDU - 推荐策略部面经（凉）
自我介绍
问实习（讲了讲搜索和推荐的区别，搜索的相关性怎么控制，用的什么特征，baseline是什么；序列建模DIN，我说可以用一些统计类特征来代替DIN，时延会有所降低，但效果可能不如DIN；问deep hash embedding怎么做的，被怼说这样会导致时延增高，不划算—嗯，的确是这样的）
问另一段实习（多目标预估，这个没有问很深，就问了问原来的baseline是啥，业务场景是啥）
推荐方面扩展问题（一个是他们现在都没有解决的问题，好像是说item侧有文本和图片，然后图片只占5%，所以学的不好，该怎么办？？emmm 我也不知道… 我就说了预训练模型提特征，面试官问如果用bert提取文本特征，然后加到item 侧，模型效果会有所提高吗？我说，这是content特征，自然会有所提升的；然而面试官说他们发现不会提升…我实在难以理解，就开始怼他，说了feature-based extractor和finetune-based extractor，并举现在的实习作为论据，于是这个事不了了之。）
代码：写个快排。然后又问最坏时间复杂度是多少，我答：当数组近乎有序，为O（n^2），面试官含含糊糊的，好在我很确定自己的答案，很坚定。又问如何解决，我说随机选轴点；又问如果本来数组就是随机排列的呢，如何避免最坏情况？（面试官说就是如何找到数组中不是最大值的那个值），我真的智商太低了，竟没想出O（1）的解，还在想什么堆、拒绝采样，后来面试官说，取两个数较小的那个一定不是最大值…我都被自己蠢笑了
后面没有反问环节，但面试官说"应该"会有二面…许愿一面过！
类似资料：