美团 推荐算法一面
觉得我项目和岗位没什么匹配度(在实验室主要做CV的)，就只问了一段实习。(好详细啊)
下面问了好多八股题：
1.BERT详解
2. 借口任务是什么意思
3.为什么自注意力要除以根号dk
4.编码器和解码器是什么关系
4.1 Transformer中编码和解码的作用
5.推荐系统中大模型的应用
6.BERT在做分类、命名实体识别、句子相似度任务的区别
7.命名实体识别和相似度计算有什么区别
8.推荐系统整体流程
9.搜索系统整体流程
10.搜索系统和推荐系统的异同点
11.回粗排精排重排流程以及常见算法
12.精排的作用
13.精排预估相关性还是点击率
14.点击率、转化率等相关指标介绍
15.重排的功能
16.分类和回归任务的关系，可否相互转化？
17.推荐系统中的DIN模型
18.常见的损失函数有哪些(分类、回归、对比)
19.二分类和多分类最后的激活函数
20.softmax是否可以用于二分类
21.Sigmoid和Softmax的关系
22.有哪些常见的Attention
23.SE Net的结构和作用
24.AUC和GAUC指标
25.粗排的离线指标
26.XGBoost和GBDT的区别
27.XGBoost的原理、损失函数、训练过程
还有一些可能忘了，被问晕了，完全拷打。基础不牢真的痛苦，还是补搜广推的基础吧，只靠那么一小段实习感觉顶不住啊。。
手撕：三数近似和(过) 反转链表说下思路 (面试官说他不太看重手撕)
反问：
1. 主要业务。
2. 需要的技术栈。
3. 您觉得我哪方面弱势。
面试官挺严格的，但是反问的问题都认真回答了。哎，菜死了，感觉凉了。
类似资料：