《算法岗》专题

二面特别快，大概不到20分钟 流程： 自我介绍 从哪里学习最新进展 对未来的规性格优点和缺点 课题组压力大不大，一般工作几点到几点 意向base 实习期间的收获 最大的挫折是什么，有哪些影响 然后戛然而止，都没有反问环节，感觉凉凉，可是我真的好想去荣耀啊，请问大家二面完一般多久状态码改变，挂了会通知吗 -------------- 更新一下，面完后10分钟左右变100437的录用决策了，听大家说这

投递的CV岗，C9本硕，low level方向，两篇A一作，无大厂实习 一面 主要在聊论文和项目 比较transformer和CNN的特点 了解哪些生成模型，stable diffusion的原理 手撕分类网络 面完当天约二面 二面 开场手撕海中岛屿数量 聊论文，问提出的方法可以继续应用到哪些领域 因为简历上基本上都是low level相关，所以继续问了对cv其它领域的了解 当天约三面 三面 面试

提前了半小时，我从才起床人都傻的，没想到突然从等候室进面试间了： 自我介绍然后就问了八股 对调优有什么了解吗？（人是懵的，居然答了bp传播，我佛了） 过拟合的原因，解决，现象（大概吧，我能记得一部分已经不容易了） 梯度爆炸、梯度消失怎么观察到，怎么解决之类的（我答了过拟合，不愧是我，我怎么就转到过拟合去了） 没了，说了声抱歉，然后和面试官说拜拜，一共三个，露脸的应该是负责记录的

9月，一面即挂，女面试官 主要围绕实习和论文， ndcg指标， mrr指标 adam优化器 deepfm 较wide& Deep 的升级，问除了lr替换成fm还有什么 mmoe、essm、ple、star 吟唱 谈谈attention dssm缺点以及解决方案 bagging ， boosting 手撕1：两个字符串的最长公共子序列， 秒 手撕2：返回 array1和array2 中两个长度相同的

9.4投递 9.8测评 9.12笔试 9.25一面 30分钟 两个面试官人超级好 先自我介绍，主要问了问项目/实习，深度学习算法、八股。 最后问有没有offer，期望工作城市（答上海），期望薪资（答20k-24k）（反问薪资结构）。 反问：部门主要工作内容，接下来的面试流程（说是几天内出结果） 上午十点面完，下午一点多就通知过了，二面约了明天，还是线下。

43.3 100 0 0 咋这么难呢 贴一下第二题代码 题目：小红有个数组，数组相邻长度差值最多为1，并且元素都是正整数。现在小红知道数组长度为n，数组和为m，小红想知道所有符合条件数组中，p位置最大值是多少（起始位置为1） 输入三个整数n,m,p 1<=p<=n<=m<=10**9 思路：二分查找check判断，难点在于怎么快速算出整个数组的最小值，贪心思想，p位置为mid，然后逐渐减一，需要

1.学硕还是专硕 2.本科成绩 3.研究生成绩 4.哪里人 5.有什么竞赛 6.奖学金怎么样 7.了解什么深度学习网络，会什么框架 8.卷积的计算维度 9.决策树了解吗（这个问题面的每一家都问了，今晚回去补一补） 10.svm介绍一下 11.介绍一下lda，pca 12.介绍一下实习，干了什么（问了5分钟），转正了吗，给你多少钱 13.介绍一下项目、自己的论文、研究方向。 深度学习框架忘光了，要补

阿里面经： 一面（约40分钟）： 深挖项目细节，主要是实习的项目 问是否了解怎样进行分布式训练，模型并行，数据并行，异步与同步等等 二面（约30-40分钟）： 介绍一下自己的项目，并没有追问很多 还有就是对GPT的了解有多少 是否了解RLHF 场景题，如果让你做大模型的RLHF，你会怎么训练reward model HR面（约50分钟）： 阿里的HR给我的感觉是相当专业的，而且非常有耐心 首先自我

最近刚刚结束美团HR面在等oc，从暑期到秋招准备面试的过程中在牛客上看了不少面经，等oc的同时自己也写一写最近面过的公司回馈社会，积攒人品，祝大家都能oc。#运筹优化算法岗##面经# 美团到家 运筹算法 一面 50分钟 主要围绕过往的实习经历展开 1、自我介绍 2、介绍求解混合整数规划问题常用的算法？ 3、大规模混合整数规划问题中如何加速求解？ 4、上一段实习项目里的目标函数和约束是如何定义的？

10.21一面： 项目+追问+八股，八股好像就问了动态多态和静态多态，stl一些容器的底层实现和操作复杂度，最后反问 11.7二面（本来约的30号，有点事情改了时间）： 要做ppt，正好之前小论文的展示视频做了ppt，直接稍加修改就拿来用了，讲ppt+根据项目提问和一些相关技术八股，剩下的就是随便聊天，包括工作地点和期望薪资之类的 笔试： 单选+多选+填空（几乎都是八股和给程序写结果那种），两道编

10.27号面的，连着面三轮，每轮40分钟，有点不适应，一开始我还以为一个小时。是没有特定的部门，统一面试。 一面，二面都是拷打简历+八股文。简历挑一个实习讲讲，八股文就是常见的传统机器学习+深度学习+简历上内容。什么XGBoost，batch noralization，激活函数。 感觉认真背背都不太难。面试官也都看起来比较友善，体验还行。 三面略崩溃，问我有什么开源项目经验(无，难道有10%的人

最后一批的最后一批了吧应该是 一面 1.逮着研究的工作问（由于研究比较偏冷门，因此基本上就是一直在解释我的研究内容），倒是没有让推导论文里的公式，就是在纸上写写画画，帮助理解研究的内容 2.项目经历相关的提问，问做了哪些工作，稍稍深入问了一点点东西 3.有关随机信号的的一些基础知识（均值、方差之类的），由于研究内容涉及到信号处理的内容，所以非常简单，基本上学过的人都会 二面 1.也是主要针对研究工

补一下华子的面经 9.20 笔试 10.13 北京线下面试 一面 项目拷打 手撕判断一个正整数是不是完全平方数 二面 项目拷打×2 手撕一道dfs，大概就是在一个字母矩阵中按照给定的单词顺序在矩阵中上下左右搜索 三面 项目拷打×3 然后询问了在实验室项目分工如何做的，有没有跟导师出现冲突，怎么解决的，有没有觉得自己的项目做不下去的时候，怎么坚持下来的。 #24届软开秋招面试经验大赏#

一面 1、自我介绍 2、简历项目 3、手撕是一道力扣原题，牛顿迭代法开根号，这个题被考了好多次了 4、反问环节 二面 二面面试官主要侧重于C++和SLAM，包括： VINS-Mono如何进行初始化？如果是双目系统该如何进行初始化？ 如果已知部分地图先验信息，该如何加入优化？ VINS边缘化是怎么实现的？ 手动推导旋转矩阵求导结果，SLAM十四讲上有推导过程 线程锁如何保证线程安全？#24届软开秋招

面完说不太符合…… 面试内容：30min 面试内容： * 自我介绍 * 华子项目介绍 * pytorch如何分析性能 * ddp如何优化多机多卡 * 分布式训练的batch * pytorch图优化 * pytorch2.0特性 * pytest有哪些参数 * pytorch如何根据yaml注册算子 * 系统级算子多平台测试 * 手里几个offer * 期望的base地 反问： * 框架相关的开发