美团搜索推荐算法工程师面经（已OC）
一共只面了两轮，9.3一面，9.9二面，没有HR面，9.20 OC
一面/技术面 2024/9/3 晚上20:00-21:00
- 自我介绍
- 腾讯实习介绍
- 实习过程中做的比较好的部分有哪些
- 华为框架以及NPU使用过程中遇到的问题
- LongLoRA和LoRA区别
- 大模型和推荐你觉得有哪些可结合的点？商品的理解、描述等
- 介绍快手实习
- 在线的效果
- 这段实习主要的难点在哪里
- user会事先做一些embedding预处理吗
- loss是什么
- 会有u2i的融入吗
- 迁移学习
- 过平滑理解
- NeurIPS论文介绍
- baseline分为哪些
- BN在train和test的区别
- 代码题：重排链表
二面/技术面 2024/9/9 下午15:00-15:40
- 自我介绍
- 实习中遇到的最大挑战
- 华为卡训练相关的问题
- 一般怎么debug
- 讲一下NIPS论文，论文想法来自哪里
- 围绕论文问了七八个问题
- 论文如果要落地，比较难的点在哪
- GNN里边你觉得最重要的知识点是什么
- 图采样算法了解多少
- GNN在工业界的关键落地应用有哪些
- 这些落地过程中，一般会有什么挑战
- 你学新东西有没有什么高效的方法，一般怎么看论文
- 你的这套方法应用后，如何判断是否真的学懂了
- Transformer的结构讲解
- 位置编码有哪几种
- 问了问GitHub里边参与的一些PR
- 算法题：数组的top-k值，复杂度小于快排
类似资料：