《百度算法面经》专题

9-8 45‘ 聊项目、实习、问了几个基础知识、算法题全排列。 #2023秋招#

目前来看满帮面试效率真的快，就是不知道综合评估要多久 8.25 简历投递 8.29 笔试 8.30 预约面试 9.2 一面技术面，面试问得很广，项目、语言、算法、数据结构都有问，算法是问的连通域，讲一下思路就行。 9.2 约二面 9.7 二面HR面，纯唠磕，会问你对公司了解情况，为什么选择满帮，你的挫折，你的合作经历（好像每个人都会问） 9.7 约三面 9.8 三面技术面，也是唠磕，项目没有怎么问

9-9 45‘  先锋课题，一个人面试官 先做了两道题，一个dp秒了，一个手写Conv2d大体写出来了，问项目、实习、介绍了BN,LN/LSTM/GRU/Transformer一些基础，反问。 面试官很有耐心。 #2023校招#

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

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#

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#

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

项目相关问了40分钟左右，对模型的具体实现和验证非常感兴趣，论文要求详细讲解创新点，不过问的问题都比较常规，也没有问八股 手撕代码是三道题 链表中环的入口节点 快慢指针，同时从head出发，fast走两步，slow走一步，第一次相遇后把fast放到开始，步长改成1，下次相遇就是入口结点 打家劫舍2（首尾相连） 首尾相连的情况下，首尾不能同时取，所以直接对nums[:n-1]和nums[1:]分别动

算法岗（当时投递的互联网深度学习算法工程师岗位） 笔试不是很难，投完简历要做一个测评 9.24号一面技术面 自我介绍完，聊了下项目，我的是之前实习时干的一些算法项目，一个是挖掘机销量预测，一个是泵送的异常检测，问的不是很深，大概聊了15分钟吧 手撕代码是：一个无序的整数数组，快速找到中位数，尽量不额外开辟空间。 （写了个快排，中位数就是求第k大个数。也可以用堆，但是尽量不额外开辟空间，所以不能用优

1. 面试官先上来说这是算法岗，会问很多ml的知识（可能是我简历上的ml项目不够多参杂了一些java后端的项目，还是以后分成后端一个简历，算法岗一个简历吧） 2. 然后开始问就是关于项目的内容让我介绍了我的项目做了什么，输入是什么，神经网络怎么做的，用到的算法的一些特点。（我这部分答得很差） 3. 然后我自己提到了yolo，面试官问对于yolo有什么优化（并没有），然后问了loss具体的内容 4.

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