算法岗

秋招进入中后期了，算法八股快背的差不多了，感觉需要系统整理下手撕没怎么复习到的地方，避免考到笔都动不了直接寄的情况。以下收集自各大厂面经/笔试解析，查漏补缺，列个todo list，欢迎各位大佬补充：ML/DL，基于numpy或者torch实现：线性回归、MLP（结构、前向传播、反向传播）Multi Head Attention绝对位置编码、RoPE交叉熵计算AUC计算BatchNorm，LayerNormk-means聚类IoU、非极大值抑制(偏视觉岗)数据结构与算法类：归并排序、堆排序KMP、Trie、字符串哈希RMQ、线段树（在线查询，修改区间最值、最大连续子段和等）Dijkstra（堆优化）、Kruskal最小生成树、拓扑排序（感觉图论考的少但是没复习过必寄）快速幂、逆元、组合计数取模、卡特兰数（小米笔试被挂过）牛顿迭代法解方程分组背包、混合背包、二维费用背包、背包输出具体方案、数位dp、状态压缩dp #秋招#  #算法工程师#  #算法岗#  #牛客创作赏金赛#

全程1个小时，八股含量拉满，节奏很快的问了巨多1.自我介绍2.介绍实习项目3.召回的时候怎么进行kv查找，线上hive表如何维护的，有什么性能问题，数据多久更新调度一次4.精排的din模块中，target item和query对行为序列得出的embedding，加权相加或者逐元素相乘有什么不一样5.transformer多头的架构怎么实现的，输入输出的是怎样的，attention计算，维度变化6.为什么用LN不用BN7.BN和Dropout训练和推理有什么不同8.softmax防止数据溢出的公式是什么9.xgboost的正则项是什么10.gbdt怎么实现并行化的11.信息增益的公式12.树模型如何停止分裂13.数组中目标出现的开始和结束位置，二分秒了面完就过了，下周二面#秋招##秋招提前批，你开始投了吗##字节##字节求职进展汇总##算法##算法岗#

开场介绍面试环节，科研项目考察+coding+反问，先吟诵自我介绍问项目环节，本来以为是类似互联网大厂聊项目拷打深挖细节，结果是考察项目涉及的模型/算法相关的八股先狠狠灌注了一波transformer八股：- 介绍transformer架构整体特点- 描述残差连接的细节、作用是？为什么有效？解释原理- 为什么用LayerNorm，有什么好处- transformer并行计算的能力体现在什么地方- 描述一下DeCoder在训练/推理时并行计算的过程CLIP相关：介绍CLIP架构、实现原理、优缺点Coding：经典最长上升子序列，先让说思路再coding实现。秒了，说完思路面试官说看你能力没问题要不跳过手撕直接过了。正好刚刚被+1 call了没接，搞得很慌就答应了反问：涉及算法相关的业务场景、面试考察流程；最后面试官追问了一些未来职业规划方面的预期差不多一共40min，面试体验比较满意（除了公司网络环境有点差，连热点也没用），整体发挥还行，不过有段时间没背八股了，有的地方感觉还能答得更好一些最搞的其实是实习负责的项目因为各种原因一直延期，前方一直在push催得很紧，搞得人心惶惶。然后面到一半的时候刚好被+1 视频会议call了，顶着被开除的风险没接（药丸，bushi）。面完赶紧回去跟进项目进度，还好会前我负责的部分基本上都告一段落了，开会内容和我相关的部分估计不多（大概是mentor帮我顶住了，再次跪谢）诶，其实最近实习下来越来越想留用了，工作氛围、技术前景、薪资待遇各方面都很满意，mentor也对我特别好，而且秋招血雨腥风也一直没个oc。不过听mentor说转正内部考核很严，hc也少，而且现在这个项目延期这么久，肯定会影响 +1对我的印象和评价，确实自己也是有责任的（第1段工业界实习，0基础几天速成相关知识，配环境踩了不少坑导致前期进展缓慢），这一关估计不太好过。事已至此，先许愿一个二面吧#理想校招##理想2025校招##秋招##算法岗##算法工程师#

因为上周出去玩了导致这周面试过多，15场面试挤在了一周，面完人已虚脱，浅浅总结一下今年秋招的一些体会，仅供参考相比烈火烹油声势浩大的暑期实习，25届秋招有些冷冷清清。各家招人显得谨慎了很多，不少公司一面/二面就会问手里有几个offer，而根据身边样本来看，今年的排序更胜往年，意向发的爽快的公司大批减少（至今几乎只能看到节子/团子）的offer，转正需要跟秋招排序的情况也越来越多与往年相比，转正的三大幻神（美团/阿里/蚂蚁）不复荣光，几乎每家都有转正失败的情况出现，阿里某些BU甚至出现转正率不到50％的情况。部分BU一边拖着暑期转正不开意向一边面试秋招，卷度更胜一筹面试对口度要求更高，面试中很明显能感受到，算法岗的各个方向变得要求更加细化，更希望找到更垂直的人才，本质上反映出了人才的过剩（此处点名百度广告素材生成组三面面试官，暑期加秋招近百场笔面，第一次从某个完全不懂候选人领域的面试官说出“你们之前做的是有多垃圾”“我也做过这种不知道哪里来的小场景”这种极具侮辱性的话，面完想写评价才发现根本没有投诉渠道，只能说人与人的素质不能一概而论了，至今想到还有些许生气）金九银十，就业的内卷与下行似乎已成不争的事实，但身处这样的时代，似乎多说无益，但也要祝各位莫愁前路无知己，天下谁人不识君，希望诸位都能秋招顺利，希望看到这篇文字的你，中秋节快乐#秋招#面试 #算法岗#暑期实习 #秋招面试#秋招笔试 #互联网#互联网大厂

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里还可以怎么来微调8.如果现在用大模型让你重新做一遍你会怎么做，整个过程9.rag中，检索完用query和文档片段输入进大模型生成答案，在这里还有什么效果更好的方法？10.rag相比于微调解决什么问题11.做了两道mid题二面全程40分钟二面没有任何的八股和做题，只有对我实习的一个深挖，问的很细，展开问了特别多，个人觉得答的一般然后就到hr面了，但估计还有三面的 #秋招#  #算法#  #腾讯求职进展汇总#  #算法岗# #秋招提前批，你开始投了吗#   #腾讯#

一面8.6 全程45分钟：1.自我介绍2.介绍实习和项目3.讲一下Transformer的架构4.Bert如何训练的，Bert和GPT的区别是什么5.多头的作用具体是什么，mask怎么用的6.讲一下l2r，三个wise训练区别，效果如何不同6.做lc中等题，秒了二面8.8 全程40分钟1.自我介绍2.做了一道偏数学的代码题，应该不是lc上的3.问了下KNN相关原理和k值大小的影响（差点忘了）4.拷打简历，说完就结束了，没有反问我简历三面8.14 全程25分钟1.自我介绍2.说了下现在美团实习主要做的东西，目前进展3.唠日常，问了下目前团队氛围，以及详细说了下他们的场景4.叫我有时间可以提前来实习，然后就是说等9月谈薪许愿顺利！还是很想去这个部门的，另外美团转正应该也有了#百度##百度秋招提前批进度##算法岗##秋招提前批，你开始投了吗##秋招#

1.自我介绍2.随便讲了下项目，讲了下遇到的困难怎么解决3.又讲了下lgbm，深度问了下原理，问得很细4.就聊了20多分钟项目，然后写题：字符串中合法ip地址，之前没做过，边界条件太难受了，有一些案例没有正确输出，力扣和网上好像也没原题已经在评估中了！希望有好运气吧#快手求职进展汇总##秋招##算法##算法岗##秋招提前批，你开始投了吗##搜索推荐#

早知道就不填学校就业群发的内推码了说不定还至少能被捞起来拷打一下现在状态连个共享中都不是，彻底锁死难不成发内推码这哥们被百度开了😅？我寻思牛客上不少同等bg的至少都有机会进面啊有的厉害的佬已经oc了都 #秋招#  #算法岗#  #算法工程师#  #百度#  #百度求职进展汇总#  #你都收到了哪些公司的感谢信？#

按照官网公告似乎是最后一场？选择题日常大杂烩：基数排序、概率论、栈和队列……三道编程题：1.多个样例，给出一个仅有r、e、d三种字母构成的字符串，可以将任意子序列red染为红色，O（n)判定是否能将整个字符串染成红色：思维题，首先判定首位必须是r和d，然后分别从前往后遍历，判定d出现之前必须有e出现；再从后往前遍历，判定r出现之前必须有e出现2.Python3手撕文本相似度计算。又到了cpp选手的坐牢时间，a了第三题之后回来做着玩儿，凭感觉基本把过程写了个大差不差，就是余弦相似度计算和定义和我理解的不太一样，算出来结果有区别，没过3.类似题1，给出一个仅有r、e、d三种字母构成的字符串，题意可以转化为求所有red子序列的长度和（原题干是所有“red子序列的下标之差的绝对值轮换求和”结果之和）最开始写了个O(n^3)的暴力过了26.67%，后来发现犯蠢了，题意可以转化为直接求red子序列的长度。遂枚举每个r和d的距离即可，二者中间出现多少个e就乘以几倍（预处理e的个数的前缀和，即可O（1）查询r和d之间e的个数)，算法复杂度应该是O（n^2logn），没想到提交直接ac了，不知道还有没有优化空间这个点估计也没hc了，就许愿一个进面吧 #菜鸟#  #菜鸟集团#  #菜鸟笔试#  #秋招#  #算法工程师#  #算法岗#

每个公司单独记有点太累了，还是把所有流程都放一起记录比较方便，uu有想交流的可以评论区讨论腾讯 已云证，录用评估ing淘天 已意向蚂蚁 已意向美团 已意向字节 二面挂，继续打复活赛百度 三面完已转offer评估 面试官+v快手 已意向京东 四面完，已线下hr面OPPO 已offer360 已OCB站 三面过，等后续沟通阿里云 HR面后挂百度提前批百度面试是经受拷打最久的一波面试，一面90min拷打了70min实习，二面90min拷打了50min，三面总共60min，问了一些发散性的问题和场景题。个人感觉百度对项目/实习的细节问的很精准，也很看重项目进一步延申的改进方式以及对项目中解决问题的思考，反而没有拷打太多的八股，倒是问了一堆C++相关的内容，没准备过表示答不上来。三面完状态不变，应该是在排序。快手提前批： 快手相比于百度的面试而言整体更加平和一些，面试氛围比较轻松，基本当天面完晚上就约下一面，每一面时长加上做题在1h左右，基本全程问实习工作，以及延申的相关八股和对问题的分析思考。HR面面完后变成综合评估中。oppo秋招oppo一面同样拷打实习，能感觉到面试官做推荐还是很有经验的，问了一些延伸的八股问题，无手撕；二面20min纯聊天，面试官问你觉得搜广推还有能做的吗？给鼠鼠干沉默了。hr面后说下周会出结果，目前已签offer。字节跳动一面时间很短，30min问实习 + 10min做题，做题二叉树公共祖先，手动构造样例，主要围绕实习内容问问题，拷打的比较细致。下午hr说通过一面，约了二面。二面拷打实习40min左右，问的非常细致，每个小点扣的都很严格，10min 做题k个一组反转链表。面完下午没消息，第二天问hr已挂。二面挂之后一周又被另一个业务部门捞起来。这次面试算法题面试官引导下写出了最优解，本来以为挂了，结果一面过了，约了中秋后二面。360一面找旋转排序数组最大值，二面搜索二维矩阵。两面都是围绕实习工作来问的，面试官比较友好。2面完状态变成等待HR面。HR面给了口头offer，讨论了一下意向薪资。滴滴一面上来写两道算法题，一道最长递增子序列用二分做了，一道动态规划鸡蛋硬度，没想到滴滴会问这么难的题目。做完题之后让我流水账口述了两段实习工作，没有问太多问题，最后问了问LLM如何在推荐中发挥作用。除了算法题很难，整体比较友好。二面二叉树最大路径和 + 最长有效括号，然后问实习工作，还有LLM的一些八股。三面只有20min，怀疑是KPI，面试官先是迟到十几分钟，最后面试时间可能20min都不到。过段时间看果然挂了😅😅😅😅不想招人可以不招。美团一面非常简短，只有半个小时，全程拷问搜推实习，主要问的是涉及到的场景的扩展思路，有没有考虑过可能的问题，以及遇到离线在线效果不一致的时候应该怎么处理，最终找数字出现次数大于一半的数字。本来以为时间太短是挂了，结果第二天早上光速约下一面，二面感觉明显上强度，上来先说做个题目，出了道重排链表，鼠鼠没刷过这道，debugde了半天，幸好做出来了。然后拷打40min两端实习工作，主要问了搜推的相关模型和冷启动等问题。面完2天发offer。科大讯飞讯飞之前投了提前批练手，一面的时候没准备好，面试官给了一些面试过程的建议，过一周二面，20min纯聊项目无手撕，再过一周看挂了。蔚来蔚来相关的只有LLM的岗位，然而很久没有看过LLM八股了，纯当练手。一面问了一些比较细致的八股，主要和LoRA微调相关，最后手写快排。本来以为挂了，结果过一周多约二面。 二面比较常规问简历，面试官一直质疑我到底做llm还是搜推，过了很久没消息应该是挂掉了。 #25届秋招# #百度提前批# #快手快star# #oppo秋招# #算法岗# #字节跳动# #阿里巴巴# #蔚来# #科大讯飞#

一小时速通考试时间结束更新解析休息会儿晚饭后继续盒马笔试🫠---------------------更新------------------------------选择题考的很杂，计网、概率论、Cpp什么都有2道算法：1.给一个正整数数组，可以进行如下操作：取其中两个元素x,y，将其转化为x, x+y。   目标：O(n)计算最少操作次数使得数组内所有元素互异   又是思维题，最佳策略就是取当前数组内最大值，左脚踩右脚升天（最大值加数组内任何一个元素，所得到的新值一定没有出现过）。只需要开个哈希表记录一下每个重复元素出现的次数-1，求和即可2.给一个正整数数组，定义该数组区间的权重和sum[l,r]为：区间[l,r]内去重后的总和。要求将数组划分为k个子区间使得所有区间的权重和之和最大。    暴力dp就能过，数据量允许O(n^3)，可以先枚举预处理一下所有区间[l,r]的权重和sum[l,r]    定义状态f[i][j]：区间[1,i]划分j次的最大权重和    状态转移方程：max(sum[pos][i] + f[pos - 1][j - 1]) #秋招#  #算法岗#  #计算机#  #笔试#  #360#

美团搜推面经一面4-15:- 首先就是介绍了一个竞赛项目，简历上的东西一般会进行一半的时间，面试官也会就你提到的数据处理方法，模型和训练进行详细提问，建议要非常熟悉自己简历。-为什么用多头注意力机制，优势在哪里-BN和LN区别？什么时候用哪一个？-xgboost和lgbm的区别-注意力计算-一个数组降序再升序求最小值（二分）二面4-17- 这次几乎全程围绕简历细扣，讲的更详细和深入了，问的八股也全程都是围绕自己的简历来问的，没有问额外的- 三道题：1.股票收益2.数组有一个数超过一半，花最少时间找出来3.生日悖论 #你收到了团子的OC了吗#  #算法#  #美团#  #算法岗#