《百度offer》专题

【设计题】今日头条会根据用户的浏览行为、内容偏好等信息，为每个用户抽象出一个标签化的用户画像，用于内容推荐。用户画像的存储、高并发访问，是推荐系统的重要环节之一。 现在请你给出一个用户画像存储、访问方案，设计的时候请考虑一下几个方面： 用户画像如何存储如何保证在线高并发、低延迟地访问机器宕机、负载均衡问题 如果用户增长很快，在你的方案下，该如何做扩容? 将存储用户画像的数据经过哈希函数运算后得到一

背景：主研多模态分类领域，秋招主要投NLP和多模态方向的算法岗，如果机器学习的岗位描述和我相符也会投 流程：投递岗位为自然语言处理工程师，投递时间n，投完直接挂了，后来找师兄部门直推的，一面时间是m=n+49，over 其实面试的时候能感觉到是KPI，对我兴趣不大 一面： 自我介绍 介绍第一个项目，并对项目进行提问，细节包括输出、参数更新、反向传播等 介绍第二个项目，是否遇到样本不平衡的问题 神经

30道选择题，虽然感觉考得很基础，但是很全面.. 有几道考图像处理的概念题， 考到了kmp(问空间复杂度）、循环队列， 有森林转二叉树的题， 有找出无向图邻接矩阵， 有考boosting和stacking， 有几道c++代码题(主要考c++面向对象、继承、友元函数、内联函数等)， 有矩阵压缩的题， 网站默认端口是什么（80）， 还有操作系统的题（TestAndSet） 还考了点概率论（很基础的有放

选择题+设计题+编程题 考了相当多的安全相关的知识，对称加密、非对称加密，中间人攻击； 证书的认证，签名，hash256算法等等； 编程一道： 张小度要零花钱，给定一个数n，求能要到n元的方案数目，结果对1000000007求余； 如n = 100， 可以100次要1元，也可以1次要100元； 易知 f(n) = f(1) + f(2) + ... + f(n-1) + 1; #百度#

给23届提供参考的面试分享，如果需要详细的分享记得联系我～ 一、投递（8月17日）😁 官网内推码投递 当时就报了这一家公司，卡着最后几天报名的。本来以为报两个先报了产运，第二个是管培生，结果只能一个在流程里，产运直接过了。 二、接到部门打来的面试电话（8月25日）😁 直接约了线上的一面➕二面，不知道为什么一面二面是连着的，前半小时一面后半小时二面。 三、业务面一面二面（8月27日）😁 1、一

百度视觉组的面试是真的硬核，面试官的水平真的比其他几个本人面的公司高一个level;自己的能力估计是大概率配不上这个岗 一面(100分钟) eccv论文介绍，深挖深挖再深挖，每个模型的细节，数据集，甚至参数设置，性能优化都不放过; 延伸拓展怎么做成通用型架构/怎么融合natural language 多模态的一些模型介绍，clip，blip，albef，llava coding: 写一个tranf

一面： 1.大文件上传是如何实现的 2.图片懒加载具体是怎么做的 3.token无感刷新是怎么实现的 4.说一下js的基本类型和引用类型有哪些 5基本类型和引用类型的区别是什么 6.基本数据类型和引用数据的使用方式有哪些区别 7.基本数据类型和引用数据类型的赋值有哪些区别 8.读代码题： const a = [1,2,3,4] const b = a a.push(5) 问这个a和b的输出结果 9

纯记录自己的问题，一面问题： 1、自我介绍 · 2、为什么想来做产品？ 3、请简单介绍一下你实习的项目？会衡量哪些数据指标？提升用户体验如何量化？ 4、有思考过关于实习的项目还有哪些更好的手段可以迭代 5、你认为自己的优缺点是什么 #产品面经#

1、手写瀑布流布局（如图1） 2、flex的使用场景和六个属性 3、使用过哪些布局单位 4、一个CSS输出题（如图2） h2 选择器设置了字体大小为 2em，这里 em 是相对于其父元素的字体大小。由于 h2 是 .container 的子元素，em 将会相对于 .container 的字体大小，即 3rem 或 48px。所以 2em 等于 2 * 48px = 96px。 p 选择器设置了字体

问项目问的很奇怪，比如预训练模型初始化怎么做的，模型多少层，嵌入维度怎么样，权重捆绑。 问了一堆深度学习的八股，bert，transformer，梯度消失梯度爆炸，BNLN之类的。 代码做了两题，lc.200 岛屿数量 和 lc.16 最接近的三数之和，手撕了，后面问了三数之和时间复杂度优化策略和n数之和思路。 反问问了对方业务，主要是百度APP首页搜广推。 第二天告知一面已过 #百度求职进展汇总

全程74分钟，岗位是商业AIGC，部门是一个做广告生成的部门 这次面试非常逆天，面试官会无数次打断并嘲讽，出题模式也很逆天，面试官嘲讽天赋被点满了属于是 1.自我介绍 2.拷打实习项目，先让我讲一下总体的流程，然后开始问我数据怎么构建的，模型怎么测评的，然后对我们网易雷火这边的游戏业务提出了很多质疑和批判，此时面试官的逆天初见雏形😂 3.拷打第一个项目，我的是一个rag的，我先讲一下，刚开始讲就

1.项目 总监面问了很多新的问题，非常考察临场发挥 比如我项目里面很多手拍的规则，如何不用先验信息，而是用后验信息，还有没有其他方式可以建模这些规则 你这个模型用到了时长这个先验信息，我理解不同视频长度的视频，时长这个价值是不一样的，这个该如何衡量 你这种建模，对长短视频的影响是什么，会影响业务吗 你现在是两阶段预估，如果第一阶段预估错了，第二阶段肯定有问题，有兜底吗 特征用了什么 为什么不用点击

整体四十分钟，是个女面试官，部门是商业AIGC 1.自我介绍 2.拷打实习经历，先让我整体讲了一遍，然后问我数据怎么构建的、数据采样是怎么做的、作用是怎么、模型训练调参怎么做的、部署用的什么、评估怎么做的等等 3.跳过第一个项目，拷打第二个项目，我的是一个论文项目，先介绍了一下背景，然后介绍整体论文内容，然后拷打了几个问题，难崩的是拷打到了一个痛点 4.代码题，用递归和非递归写快排，递归的我会，练

投的上海的高性能计算被挂了，被北京的高性能计算的语音技术部捞了 百度面试官非常好，体验感非常棒，奈何自己太菜了，全程道歉 一面 8.2 项目深挖 算子开发相关涉及知识点 GPU架构，内存模型 并发编程 锁 信号量 创建线程的几种方式 lambda表达式的底层是怎么实现的 std::move 使用场景，他比赋值构造好在哪 lock_guard相比较于lock/unlock能防止什么问题？ cuda

这个约面很诡异，事情是这样的，我最开始投百度，投的是那个机器学习/数据挖掘/自然语言处理工程师的岗位，我看有二百多个hc，觉得应该可以给个面的机会吧，然后过几天就共享了我就换了个商业AIGC，过几天约面了，结果又有个百度面试官打来，说是百度推荐这边的，岗位还是那个机器学习/数据挖掘/自然语言处理工程师的，我寻思那个不是挂了吗，怎么还约面，但是本着增加一次面试经验的原则，就约面了 整体45分钟，体会