《感知算法实习》专题

9.27一面 1.自我介绍 2.复盘9.21机考，只做了两个题，简单说了一下没做出来的题的思路 3.做题，在lc 上面直接码，三个mid选一个 4.用什么语言-java py 换着用 5.数组和链表的区别 6.多线程 7.数据库 8.介绍一下自己熟悉的机器学习算法 8.算法评价 9.深度和广度的区别 中间还有一些忘了，总的来说以为投的算法考机器学习多结果全是java已经很久没看了，稀碎，不过好歹给

自我介绍 职业规划(传统算法，还是ai)(在这我选了传统算法，因为课题跟项目用到，虽然俺也很想搞机器学习) 边缘跟踪(直接不会，没用到过) 说一说边缘检测算法(sobel，canny) 细嗦canny检测(非极大值抑制是他想听的关键，跟边缘跟踪有联系，写完这个查一查) 继续问项目跟课题(这时候提到很多次效率) 本科的项目用到opencv，细讲。 问到项目里的圆检测，疯狂回想,最后想起来是hough

今日面了360，面试官说通过了，其他问题都比较常规，但算法题有点意思。 1.假设一个人物的战斗力是5，只能挑战1～5的关卡，超过5就会死掉，不能再战斗。现在给两个战斗力n的人物，给一个用最小挑战次数确定n的算法。 2.大数的排重和排序，输出今日收发过消息的qq号。 问题1我最开始想到的是二分查找，但有可能无法找到结果。第二想到的是按区间查找，例如第一个人物的步长是10，第二个人物的步长是1。 面试

pdd算法岗面试     transform的结构     self-attention 和 attention（空间，通道） 的区别     手写conv2d     损失函数的公式     最长好数组（任意两个相与为0为好数组） 很少答出来，反问环节，说没啥问的了，因为后面还有两轮面试（后来想到，这么菜，还不知能不能过，哪里还有面试呀） #面经##拼多多面试#

居然收到了腾讯算法的一面，离谱的是笔试居然直接跳过了？？？ 一面70min左右，三道题 1.快慢指针，没复习到，随便写了写，这个寄。 2.手撕AdamW优化器，手撕Transformer等，挑着做，然后就手撕了Transformer的encoder，整体框架和细节大差不差，跑肯定是跑不起来的。 3.数学智力题，这个还是不方便说了，答案答对了，就是不知道面试官老哥有没有理解我在说什么。 然后再问了一

编程第二题想知道错在哪里，怎么都ac不了 import sys if __name__ == "__main__": # 读取第一行的n h = sys.stdin.readline().strip() n,k = map(int, h.split()) score = sys.stdin.readline().strip() score = list(map(int, score.split()

问项目细节，时长一个小时 手撕multi head cross attention ，忘写softmax了，不知道给不给过

一面纯问项目，下午面的，晚上就进人才库了 有点KPI面的意思了，双非难啊😪

因为之前实习内容和面试官所在部门高度相关，都是在算法推理加速，量化，部署优化之类，大多数时间都在问实习项目。也问了transformer架构模型的优化方法。 无手撕代码，面试官人挺好的，总体面试体验不错。 许愿可以进二🙏#秋招##面经#

普通财经双非硕士小菜鸡，在线勇闯算法，做个记录。 1.百度提前批大模型算法一面： 自我介绍 具体介绍一下RAG项目中的应用，如何处理文档，如何计算相似度 手撕transformer模型代码，介绍模型架构，介绍交叉熵损失函数，介绍L1，L2正则化有什么区别，写下完整损失函数公式，写下transformer所有矩阵转换的数学公式，如何理解需要除根号d 手撕算法题 leetcode 2116. 检查一个

一面30分钟 主要就问了一些项目，项目每个部分做什么的 写了yolo的项目，问了一下yolo具体怎么做的，项目前面还有一部分融合，就问了怎么融合，轻量化，量化部署一类的 之后也差不多类似，没问的很深入，主要问了应用上的一些问题，如何做的之类的 之后论文什么的也是类似，简单问如何实现的，顺着项目问了一些简单的出现问题如何解决之类的，或者说类别不均衡如何解决，之后没用笔试题就结束了 问了transfo

3.25一面 3.28二面 至今问hr也没有结果 一面 介绍项目 bert gpt llama1和2的区别 二面 又多又杂 大模型长期记忆短期记忆 监督微调部署 给一个场景 让我从头开始做 我怎么做 回答完了也没有后续跟进 一直不停的继续问 到后面连续问了两三个不会之后面试结束 #tcl# #大模型算法#

面经攒人品，让我过吧 自我介绍，中文 问我觉得笔试难不难，我说在参加的里面大概是中等难度吧（我根本不记得了，好久了） 然后就是项目拷打，但是主要在问很开放的问题，技术细节没有那么多。主要是流程啊，用到的技术间的区别等。（还是要熟悉自己的简历和项目） 唯一像八股的就是问了下我 attention 里 mask 一般是怎么实现的，有什么用（一直没对上脑电波，我想说 BERT 那种 mask 的作用，现

投的时候很犹豫投搜索还是投nlp，想着先投搜索吧，挂了再投nlp，一面完不匹配，都想直接让hr结束流程赶紧转投得了，不过犹豫了下结果过了……二面换了个面试官估计是做内容理解的，面试流程好了很多，没有一面那种割裂感了，但是不是很会搜索，现在如果拒了转投沉没成本有点大 一面，讲实习经历，面试官不太了解我做的，所有问了我一些搜索相关的场景题，我竭尽所能回答了，不过感觉回答的一坨，类似于如果让你设计召回，

趁热 了解RNN和LSTM吗 RNN input具体计算 RNN梯度爆炸和梯度消失的原因 为什么LSTM一定程度上解决RNN问题 transformer embedding bert encoder层里的参数量 bert预训练任务 xgb为何优于GBDT 追问xgb并行计算 seaborn库操作 numpy如何对列求平均 lamada匿名函数  spring boot 解释下bean equal和