猿辅导算法岗面经

投的nlp算法（大模型方向）

一面3/19（40分钟）

- 自我介绍+项目

- 简单介绍一下目前大语言模型的发展

- 简单介绍一下gpt，gpt1-4代知不知道有哪些不同

- 手撕1：力扣367. 有效的完全平方数（复杂度是多少）

- 手撕2：力扣394. 字符串解码

二面3/21，两名面试官，一人问，一人听（40分钟）

- 自我介绍+项目（稍微问得详细了一些，20分钟）

- 没问八股

- 手撕1：力扣33. 搜索旋转排序数组

- 手撕2：2*3棋盘，1-5是棋子，0是空格，允许的操作的是把棋子平移到空格，问能否把start转移到end，如果可以求最小转化步数，如果不可以返回-1

三面3/22（40分钟）

- 怎么考虑回国了（答得不好）

- 自我介绍+项目：

- NER是怎么实现的

- 你用了fuzzy matching去匹配字符串，怎么实现的，还有什么别的方法吗

- 具体说一下余弦相似度

- 没问八股

- 手撕：有一个每格带数字的矩阵，数字代表战斗力，从某一个给定的位置开始，如果四个方向有比他小的数值，就吞并这个数字，再接着对比，直到附近没有更大的为止，求最后获得的最大加起来的值

- 本身是个贪心，当时太困了脑子不清醒用了dp，结果20分钟没做出来。面试官提醒说想复杂了，用贪心就可以了之后马上说出思路但是没时间写代码了

3/26显示三面寄

3/28约了转岗语音合成算法的加面（90分钟，汗流浃背了）

- 自我介绍+项目（很短，因为不对口）

- 你是机器学习专业，介绍一下你机器学习课学了哪些东西

- nlp的课程有哪些内容

- 简单介绍决策树，怎么选取分类的feature，cross entropy公式，具体怎么实现根据ce划分数据

- 停止分裂决策树的条件

- 简单介绍一下pca

- 模型的泛化能力是什么，有哪些手段可以提高

- 简单介绍一下gan的原理和特点

- gan里面generator和discriminator的损失函数是什么（忘了）

- 简单介绍一下vae

- vae和ae的区别是什么（忘了）

- diffusion模型是什么，用过吗？（不会）

- 自监督的模型有哪些

- 简单介绍一下gpt（同一面）

- 手撕1：T是字符串长度，N是不同字符种类，相同种类字符按照给出的顺序连在一起。给出TL，求不同组合方式。例如：t =4, N=2, L=['a','b']，输出答案是3

- 用的二维dp，一开始的状态方程写的有问题，在提示下修改正确

- 手撕2：给出字符串形式的运算式子，实现带括号嵌套的整数计算器

- 思路没什么大概问题，按大致逻辑写出来，最后输出结果不对，但是没时间debug了

- 聊天：怎么考虑回国了，有没有其他offer，家在哪里

4/1 oc，顺便问了几个hr面问题

- 为什么回国找工作

- 家在哪里，为什么不选离家近的城市工作

- 有没有其他在面试的，offer情况

- 对薪资有什么大概的想法吗

总体来说猿辅导面试流程很快，过了的话面试完后第二个工作日之内就会约下一面。面试体验良好，面试官态度很好，算法题没思路的话会引导。hr二面通过之后加了微信，回复都很及时还帮我约转岗加面，满分好评。

肝了一个月日夜颠倒笔试面试，最后有这个offer鼠鼠还是比较满意的，接下来终于可以好好去搞我的毕业论文了