《算法实习》专题

1. 送分题：考场上有n种类型题目，输入是每种题目的题数和得分，算在最多做出k题的情况下，最大得分是多少。 2. 给一个有根树，和每个节点的权值，求所有子树里第k大的子数权值。一个子树权值是其所有节点权值之和。 3. 取数游戏，甲先取，如果某个人取了奇数，那么另一个人必须跳过下一个数取后面的；如果某个人取了偶数，那后面那个人可选择跳或者不跳再取数，注意可以连续跳大于1个。输入一个数组和它的长度，输

2024.6.18 实习情况: 什么时候可以到岗? 实习时间多长? 上来先手撕： 1. 二叉树的最大深度 ​2. 层序遍历 linux命令熟悉吗? 删除一个文件，查看内存，有一堆文件要查找带特定字符的文件 分类和回归的loss有哪些？ 回归的时候最后一层激活函数用什么 数据怎么做归一化？ bn是怎么操作的? 方差和偏差的区别 过拟合怎么解决？ 过拟合的时候说方差大还是偏差大? 介绍项目 warm

#软件开发笔面经# 5.29一面 1. 自我介绍 2. 介绍webserver，问技术点（epoll-基础-在windows与linux有什么区别，proactor，webserver的主线程与工作线程怎么安排）。 3. 自己选一个项目讲 4. 面试官介绍飞猪算法方向，让我选一个分析-搜索算法，结果能反哺推荐算法吗 5. 手撕：原题：删除链表的倒数第 N 个结点。 “可以写些例程”问有不用提前遍历

好久没面了，生疏的一批😭 全程一个小时 1.自我介绍 2.拷打第一个项目，我的是一个rag的项目，先让我大概介绍一下，然后问我对比解码缓解幻觉具体怎么做的，我开始吟唱；然后开始问八股，先问llama跟transformer相比有什么结构优化，我就说了几点重要的；然后问我lora微调和全参微调的区别，我开始吟唱，然后问我为什么不用全参，我说显存什么的，又问了显存占用的对比；接着问我rag有什么缺点

看牛客上面没有写，我来分享下经验 楼主bg： 1. 双非本+双非硕 2. 一篇CCF C见刊 + IEEE Trans二区再审 3. 有一段Go后端实习 一共两面，技术一面，hr二面 一面问题： 开头自我介绍 1. 了解梯度爆炸梯度消失？如何解决？ 2. 问了paper的创新点，实验细节 3. 机器学习中随机森林的思想 4. 开发方面问了git、linux 查找/关闭进程、docker常规 5.

由于本身是做cv的，没有任何推荐算法经验，因此本篇内容对于找推荐算法意义不大，纯粹记录一下 1. 自我介绍，然后介绍完面试官问我知不知道面的是推荐算法😅，不过这也是他们看的简历没挂我简历就是他们的问题😄 2.是否知道cv在推荐搜索当中的一些应用？ 3.项目介绍，t2i和inpainting模型分别解决什么问题，为什么要级联 4.做的主要是微调的任务，微调过程当中有些什么trick？以及背后的原

1.介绍项目 2.场景题 大模型微调的全过程 大模型的多轮对话数据集怎么构建 怎么训练 对话上下文太长了怎么办 RAG技术 怎么存储的 3.算法题 两数之和 mysql的查询题#面试经验##算法面试经验分享#

前两个流程都被结束了，然后被腾讯视频捞了，之前的面经马上到达字数限制了，所以新开一文记录。 一面时间：4月17日 16:00 ~ 17:00 上来先是做了一下自我介绍 然后开始问实习的项目，让详细的讲，期间就夹杂着八股。 使用的什么loss函数，除了交叉熵损失函数还了解哪些损失函数。 项目过程中有没有遇到过过拟合的问题，什么原因造成的，什么办法解决。 为什么L1和L2正则化能够缓解过拟合的问题。

全程35分钟，是个女面试官，感觉气场上应该是个部门主管；无手撕算法 1.先介绍了部门情况，第一次见面试官先自我介绍的，感觉确实是个领导，有亲和力 2.自我介绍 3.拷打第一个项目，我本来想共享屏幕对着模型图讲，结果面试官说不用，我就直接讲；这个面试官理解能力很强，我讲的她基本直接就懂了，之前有的面试官要问我好几遍；然后提了一些问题 4.拷打第二个项目，主要介绍了项目整体以及一些亮点，然后问了我幻觉

全程50分钟，电话面，但是有代码题 部门是营销算法 1.自我介绍 2.介绍第一个项目，我的是一个RAG的项目，讲完后面试官没有过多的提问，让我说一下难点，然后问我lora微调的数据怎么构建的，为什么要微调 3.介绍第二个项目，我的是一个论文项目，我就讲了一下论文的整体，然后面试官问我的另一篇论文是不是也是这个任务上的，我说是，他说讲一下两篇的不同，我就从基座模型不同、motivation的差异讲

1.问了一下学校 哪里人 2.问了一下有没有做过数据挖掘 机器学习的项目/竞赛 3.问项目 4.有没有其他offer 想做什么方向#面试经验##算法面试经验分享#

①简历经历 ②Python有哪些数据类型 ③元组里面套list，list可以修改吗 ④是否了解Python多线程和多进程/并行和并发 ⑤两个list相加的结果是什么？比如list a长度为2，list b长度为3，相加后长度多少

【一面】 总共约30分钟。 介绍一下Transfomer架构 介绍一下endcoder部分和decoder部分的交互 介绍一下QKV矩阵的自注意力计算公式 介绍一下BN和LN 实习时间安排 论文进展 反问环节 总的来说体验良好比较轻松，回答的问题有些小瑕疵面试官小哥哥也安慰说小问题没关系。 【二面】 总共约20分钟。 主要是讨论项目和论文，没有特别去问八股文或者其他的什么内容。

1.介绍项目 2.八股 用过什么机器学习算法？ 讲一下随机森林 xgboost bagging boosting 讲一下逻辑回归 用的什么loss 模型过拟合怎么解决？ 测试样本不均衡选用什么评价指标？ 都是些机器学习的问题 3.两道算法题 比较开放#面试经验##算法面试经验分享#

1、自我介绍 2、深挖腾讯实习经历(聊了20min) 3、介绍第一段实习经历 4、指针和引用的区别 5、什么时候用malloc，什么时候用new(这里没答上来，感觉cpp里基本都用new了吧) 6、介绍智能指针(unique_ptr,shared_ptr,weak_ptr) 7、智能指针的底层如何实现的 8、如何排查内存泄露问题的 9、介绍c++的内存分布 10、静态链接和动态链接的区别 11、动