《百度算法面经》专题

自我介绍 深挖项目（15min） 常用的Hooks（八股） 性能优化方面的工作（八股） 路由懒加载的原理，面试官帮忙引导是 wabpack 的runtime有关（不会） common js 和 esmoduls 区别（时间太长有点模糊了，答了一半：导入导出+加载时机） router的hash和history的实现原理（不会） TS的泛型（八股） 为什么hook不能加判断（八股） JS的垃圾回收（八

老东家属实给面子，要么不给面，给面就一定能进二面。全程半个多小时，一直在聊实习，没有问什么技术问题，也没有手撕，这一点倒是也奇怪，我也纳闷他为啥不问技术问题。部门是做车端高精地图的，基本把我在蔚来、B 站、百度的工作内容都给覆盖了，可以说是校招以来最 match 的岗位。 Intern & NIO： 使用 cgroup 的项目背景、车机系统包含哪些服务 哪个服务占用最高（感知 arg_app） 蔚

1.自我介绍 2.项目经历，逐条拷打 3.假设面试官什么都不懂，简短介绍transformer让其理解 transformer的结构 transformer残差连接的目的 transformer encoder的归一化是什么 cv常用的归一化是什么，和transformer归一化的区别 layernorm的公式 batchnorm推理时的方差和均值如何计算 4.RAG的流程 5.LLM Agent

面试官很和蔼，循循善诱问的。 先问的Java基础，主要是多线程相关的多，还有垃圾回收机制 然后是Android基础，实现跨线程通信的方式，ContentProvider，sqlite相关 还问了一些Kotlin相关 接着是实际场景题，根据我的实习经历问了我一个实际场景，看我如何实现。 根据我回答的知识点，又问了权限相关，互相调用相关这些。 最后是一道算法题，找到一个字符串中出现次数最少，且最左的字

这次又是面的老东家，全程难度一般，没被问什么刁难的问题，面试体验感拉满。但是面试官没开摄像头，不排除 KPI 面的可能。 Intern & baidu： 了解 bRPC 么 还了解百度哪些中间件和框架 实习期间代码量有多少 Intern & bilibili： 为什么不直接通过 RPC 请求发送任务数据、而要通过 Redis List 暂存数据 B 站内部如何配置 Redis Cluster 项目

1. 我重构了一下虚拟试衣项目的逻辑讲了25min 2. 问为什么不可以直接concat人穿衣服，答可以做到mask-free 3. 为什么用clip 衣服细粒度可以保持住吗（不太行，可以考虑dino v2） 4. 既然一直提到clip 手写一下 主要写forward 5. 手写RMSNorm（我都不知道是啥了快，写了一下写错了） 6. 还想要我写，时间到了就没再写 7. 介绍做什么： 音频模态，

一面： 聊项目，大概有10分钟 聊实习，大概有10多分钟 讲下知道的图像处理算法 黑盒白盒测试 场景题：怎样设计一个去噪算法的测试 场景题：发现一个算法的问题，怎样处理 追问，如果开发不承认问题怎么办，回答之后面试官解释说这是经常发生的情况，然后俩人都笑了 两个python八股：浅拷贝深拷贝、单引号双引号和三引号的区别（这个不会呜呜） 反问 全程45分钟左右，希望有二面捏，许愿二面 更新二面： 聊

为了准备社招刷了leetcode200-300题左右，侧重刷高频hard题，注重最优解法。面的公司地点均在上海，总共5家。 一、字节跳动-抖音 nlp算法工程师 一面（1h）： 1、自我介绍+聊项目经历； 2、算法题：手撕multi-head self-attention，使用tensorflow或torch框架（尽量按google源码的思路）； 3、开方式问题：介绍deberta中的两个优化点，

6.28 笔试 7.13 一面    一小时15分钟 1. 一个M*M的图像，用大小为K*K的卷积核做卷积，通道，步长为1，padding为0，计算卷积过程中乘法操作的次数 2. 什么是图像的直方图特征 3. 边缘检测的原理，流程 4. 分类问题和回归问题的区别 5. 什么是卷积的平移不变形，卷积是否具有旋转不变性 6. 反向传播如何实现的 7. CNN的流程及各个部分的作用 8. 设计或选择激活

阿里云算法二面凉经，本来以为还是业务面，没想到是主管面，猝不及防 1、面试官介绍自己和团队业务 2、自我介绍 3、问了一个本科的项目 4、为什么硕士和本科阶段的方向不一样，为什么想着换方向？（没答好，太实诚了。。。） 5、为什么选现在这个导师，实验室有哪些方向？（背景调查？） 6、有没有了解最新的一些领域的前沿进展？（简单讲了一下） 7、反问环节：面试后续流程 没有算法题，面试时间30多分钟，大部

面试岗位：算法工程师 面试时间：23/08/28 注：滴滴的面试流程比较独特，一天之内完成三轮技术面，没有hr面，每轮技术面的面试官基本不是同一组的人，谁有空谁来面，还挺神奇； 一面面试内容： 自我介绍 代表性实习经历介绍 机器学习八股有监督 vs 无监督过拟合L1、L2范数，Ln范数回归模型损失函数MSE、MAE、MAPE的公式分类模型评价指标：AUC计算公式、ROC曲线横纵坐标、如何绘制 深度

初筛完成进入面试 一面：53分钟，主要是介绍实习，项目，比赛，C++八股和python语法使用！每一个细节问的都比较细，我是从实习开始介绍，每一项都很细，面试官问的挺好，很专业， 我重点做的内容是：bevfusion模型训练加部署orin平台量化推理！ 一面没有手撕 二面：34分钟，面试官是随即问的，有关深度学习，模型量化压缩都会问，手撕一道中等排序题，然后结束了！ 总之面试感觉：挺好的

总时长45mins 1、拷打论文，因为课题跟小样本学习有关，问了问很多小样本学习的内容。 2、拷打项目和来源，回答是导师和公司合作的。 3、拷打实习，问得很细，比如包括遇到了什么难点，为什么要这么做不那么做。 3.1、为什么图像分类要减均值除方差，目标检测一般不需要。 3.2、怎么提高模型泛化性。 3.3、数据集怎么采集的。 3.4、模型不收敛的原因有哪些 反问有几面，答2技术面1个HR面。 有点

泡好久了，发发面经攒人品，许愿一个offer 一面 1. 八股文： vector emplace_back和push_back的区别？resize和reserve的区别？迭代器失效的情形？map和unordered_map的区别？编译器如何实现this指针绑定的？设计模式有了解吗？ 2. 检查代码问题：一个野指针，一个空指针调用类成员函数； 3. 手撕代码：合并区间；最小栈。 面试官一上来就说，我

目前状态，10/16完成HR面 主要时间经过和进度 8/20提前二批投递简历 8/30完成测评 9/1完成笔试（有一说一长得跟期末考试试卷简直一毛一样，选择，填空，一道算法大题，基本都不难） 10/10完成专业面试（用时36min，应该是部门领导） 主要涉及：（不知道应该说简单还是，甚至面完我都以为是HR面，居然没有手撕代码也没有八股文） 1、自我介绍（基本都是我是谁，学过啥，学校啥项目，公司啥项