《推荐算法实习》专题

1、自我介绍 2、竞赛你是怎么做的，你觉得哪部分工作让你取得这么好的名次 3、实习经历，你在这段经历中做了什么 4个人爱好，性格 5最自豪的一件事，工作中的优缺点 6、图文推荐，短视频推荐，直播推荐有哪些异同点 7、单列和双列推荐会有哪些不同 8、一道概率论题 9、一道算法题 10、反问 bg：双非本，top2硕，两段京东实习，一个深度学习竞赛3/800，无论文，感觉3面很少问技术细节了，相对来说

全程问都是简历上的项目，和提到的模型算法 体验感超级好 算法题：一个数组，求和为target的所有子数组 面完，邮箱马上就收到了二面通知

时间：3月19日15:00 ～ 15:50 上来先自我介绍，介绍完之后面试官让看着简历一个项目一个项目的详细介绍 细节扣得比较细，比如设计的attention中qkv具体的映射方式如何实现等等 然后项目中评估指标用到了有PSNR和AUC值，让讲一下具体的公式和原理 还有实习经历中的一些场景的思考。 上面的问项目中间夹杂对应八股的部分大约半个小时 然后就是算法题，做了一道，leetcode原题 30

牛客上的好哥哥帮我内推的岗位，主要是做tiktok首页推荐的。 1.上来先简单聊了一下项目，（顺便问了我非科班出身在哪学的深度学习，我说自己看网课学的哈哈）主要是关于项目的整体实现流程，拢共半小时不到。 2.因为中间提到了bert，就让我开始讲bert和transformer，然后手撕单头注意力 3.代码题是分割树的一条边。求分割完两部分乘积的最大值，思路有了代码没写出来，后来在面试官很耐心的提示

在 Provider 端尽量多配置 Consumer 端属性 原因如下： 作服务的提供方，比服务消费方更清楚服务的性能参数，如调用的超时时间、合理的重试次数等 在 Provider 端配置后，Consumer 端不配置则会使用 Provider 端的配置，即 Provider 端的配置可以作为 Consumer 的缺省值 1。否则，Consumer 会使用 Consumer 端的全局设置，这对于

讲一下面试候选人的心得： 第一、我在做面试官时，比较喜欢基础扎实的、工程能力好的候选人。 算法工程师，首先是工程师，得会编程，会自己上线算法模型。不是参加算法竞赛，跑几个模型就可以的。 我本身比较喜欢科班出身的，因为他们计算机基础都不错。在我们这个行业（推荐方向），是很看重工程能力。 很多刚毕业的应届生，他们会觉得搞一个复杂的深度模型，就能解决问题，这个是万万不可取的。 一定要扎扎实实做工程，贴近

香槟开早了，一大早收到hr消息，要加一轮交叉面赶紧安排了下午的面试 1.code 快排，秒了 然后在这个基础上，考了一个数学题，在面试官提示下做出来了，希望别因为这个挂了！ 2.项目 细讲项目 长尾分布，冷门item的embedding置信吗，如何处理 3.八股 无 都开香槟了，球球让我过了吧，塞不回去了 快手，没有你我可怎么活啊 ‐--------------------------------

1.code 反转部分链表 秒了 2.项目 召回正负样本如何定义，如何负采样，知道热度降权吗 如何序列建模，复杂度你是如何优化的，有尝试过硬算和优化的差异吗 召回用啥评价，线上用什么评价 如何排查指标线上线下不一致 3.八股 无 4.反问 组里氛围，转正策略 面试官说还有三面，感觉都回答上来了，希望进三面 我已经不想笔试、面试了，快手，快点翻臣妾的牌子呀，我直接从了

1.code 最长递增子序列，dp+二分优化 2.项目 一直在问之前实习做的内容 知识图谱，双塔，正负样本，多任务模型演进 了不了解推荐系统，介绍一下链路 正样本太少，如何解决，业务角度+技术角度 还聊了不少开放性问题，比如你怎么看待召回阶段 3.八股 无 4.反问 组里做什么，base在哪 没有拷打我，让我一度怀疑有kpi的嫌疑 已经神智不清了，被拷打难受，不被拷打觉得kpi 求进二面，基本上都

一面全程一个小时20分钟 1.自我介绍 2.讲实习项目，问了下多路召回合并的问题，怎么做的小流量ab实验，每路召回占比怎么确定。 3.召回命中率怎么算的，怎么确认漏召的商品。反复盘问了很多细节上的东西 4.讲了下另一个rag项目（做的不咋样） 5.知识库的大小和结构 6.扣了很多细节，觉得我做的太简单了，问我为什么不用大模型来微调（我说没资源） 7.怎么微调的嵌入模型，负样本选择，rag里还可以怎

一面8-19 1.自我介绍 2.问美团的实习，问我商品量级，召回中相关性分档怎么做的，会不会出现query太不规范不能match到商品，怎么解决？我们的场景是否每个query和item都能匹配到相关性分数？ 3.精排模型我们用的baseline是什么，怎么用query和行为序列做的target attention，行为序列怎么截断的，最后如何用query打压搜索结果的推荐多样性？ 4.有哪些序列建

业务面就一轮，然后后面就是hr面了 面试流程： 自我介绍 对项目经历进行简单提问 之前在京东物流实习感受怎么样，有什么收获 未来期望的工作地点 研究生为啥选择控制科学与工程专业 考研去的清华还是保研 本科成绩怎么样 入学以来最有成就感的一件事 问问我在其他公司面试情况，offer情况 入职多久能到岗 反问： 为啥视频会议室地址写的是上海，base地上海吗，想去北京的实习(后来解释了base在北京，

自我介绍 八股（可能遗漏）： 1. 讲讲推荐系统流程 2. Transformer 位置编码是什么 3. QKV 注意力公式为什么除以根号 d 4. 简单讲讲 GCN 5. 简单讲讲 RNN 6. RNN 里的参数是什么样的（答：参数共享） 7. Dropout 是怎么做的？有什么作用？推理和训练时 Dropout 的区别？如果推理也用 dropout 会怎么样？ 8. 讲讲 BN？BN 训练和推

很难，不知道还有没有机会 字节方面TT推荐一面过，二面挂，转到商业化技术一面结束还在等消息。 百度一面刚结束，目前约了小红书Intern以及京东广告intern等面，后续长期更。 可以看出来很爱考察样本空间，特征工程这些。 最后一句，海外水硕狗都不上千万别来