爱奇艺机器学习算法远程面经

RAG方向面试官水平非常高，哪怕是在面试感觉都学到了很多东西问题：1. 朴素贝叶斯理论2. 后验概率和条件概率的差别？关系？后验概率：由果求因条件概率：由因求果贝叶斯公式：B是因、A是果其中：$P(B|A)$为后验概率，$P(A)、P(B)$为先验概率，$P(A|B)$为条件概率即贝叶斯公式可以通过条件概率和先验概率求出后验概率3. 贝叶斯如何应用在文本分类？这里其实做了两个假设：1）文本属于哪个类别一定程度上取决于包含了哪些词2）词的独立性假设4. multi-head和单头head的计算复杂度有没有差别？应该没有区别，multi-head在并行情况下能够加速，但总的复杂度没变5. 文本不等长的情况，怎么进行处理？padding？注意力计算加mask？（padding对应列进行mask）在padding对应的列加上mask。6. 召回排序了解哪些？7. 对比学习？8. 温度因子的作用？9. 预训练有几种方式？（MLM，NSP）10. Albert和bert的区别？11. RAG中的embedding具体是怎么做的？12. 算法：动态规划

#秋招结束之后的日子#快手在北京一天400属实有点不愿去，想找个remote实习，在boss上基本没看到，线下实习想找高点薪资的，乾象投资实习薪资高，因为之前鸽了他们已经被拉黑了，哎，秋招过程中干了好多蠢事，我闲的蛋疼没找到工作面他们干嘛

省流：无八股，项目输出 + 性能优化疯狂拷打 + 场景题- 自我介绍- 为什么学前端- 什么时候开始学的- 看你项目还挺多，挺多方面都有涉及的，node 学的怎么样（仅基础，rust 写的那部分后端可能还多点）- 平时怎么学（从实验室给的路线发展到自己看文档查资料，会主动关注新 api）- 关注新 api？举个例子（用我博客的 content collection api 举例子，翻了 rfc 文档，对着英文生肉硬啃）- 最近科技周报看了啥，举个例子（rspack，阮一峰谈发展 ai 的公司，还有自己想在项目落地实践 ai）- 为什么想要实践ai，你是想在自己项目的哪里实践？（原来的开发者想更专注于核心开发；词条内容编写，让 ai 写雏形，自动生成框架，我们按需补充（其实有个点没谈到，就是有些内容需要编写者阅读过源码才知道机制，ai 写可以节省一部分时间；其次是语义检查，看看是否符合人类阅读习惯））- 看一眼你的后台（演示了一下基本内容，是 monaco 做的）- 讲一下选 Astro 的原因（调研现有 wiki 框架发现不适合，学习成本高；横向对比 VitePress VuePress，局限使用于 vue，扩展性开发难度较高；从 Vite 或者 Nextjs 开始写的话基建要做很多东西，一时看不见效果；页面样式自定义要求程度非常高，css 几乎都是手写；Astro 基于 vite 封装，帮我们做好了很多事，且具备 vite 大部分能力；阅读过内容集合 api 源码，知道扩展性和局限性（其实还有很多可以说，不过脑子一热忘了））- 有试过什么优化手段吗（开始拷打）  - CSS 规范，强制要求所有元素尽可能有个固定宽高，避免 CLS  - 某些显隐采用 visibility + pointer-events 处理，避免重排  - 后台部分使用 `manualChunk` 分包（面试官让我打开项目看看分包结果，然后就对着页面的请求在那里讲自己的分包思路）- 接下来从开发过程，打包编译，网络传输，首屏展示四个方面聊聊你知道的优化，越多越好  - 开发过程扯了一下 vite 全局定义 `__DEV__` 变量，然后把仅开发逻辑放在这里头，编译过程会移除（其实可以再讲讲引入路径规划，做一个强隔离，项目后台就是对每个页面进行强隔离，保证逻辑无关联，这样分包函数可以针对每个页面打包成一个 css + js，避免过多网络请求），还有 await import 作为分包点  - 打包编译讲了 terser 的上下文分析，分析 dead code 的存在和不必要的逻辑进行移除；其次是避免桶文件 + rollup 静默打包（桶文件在项目中真实出现过，打包整个 mui icon 导致打包时间 + 2min，面试官当场提问最终这些会被打入包内吗（不会，会做 tree shaking）；静默输出则是因为 mui 组件都写了 'use client' 导致 rollup 警告大量占用控制台输出间接导致打包时间下降，面试官继续提问如果我不让你用静默怎么办，见我不知道就说了可以写插件去直接替换底层方法，不过感觉不算太严谨（逃））；聊了一下通过插件移除指定注释下的代码（类似 rust 注解）（其实可以再讲讲语法转换，即向低版本的 js 代码进行兼容处理，即 tsconfig 的 target 选择）  - 网络传输用了项目从 http1.1 升级到 2.0 避免一个对头阻塞的问题（顺便牵扯到 tcp 阻塞，讲了一下前面的包没到后面的都得等），还有 3.0  - 首屏的话则是聊了一下 script 标签的 async defer 去避免 dom 解析阻塞，还有内联资源，扯了一下 tcp 拥塞控制的一个算法算出来首屏 css 控制在 14.6 kb 内，不过没讲出原理；顺便聊了一下我的博客，他的夜间模式 js 是放在 async 内执行的，面试官马上知道了会有闪烁问题，然后我就说在 html 前面写了一个阻塞 script 去修改 cssom 树，避免了闪烁- 场景题，现场设计一个 PC 登录扫码功能，PC 要有消息同步功能（1. PC 向服务器请求登录 token 并展示到二维码内，随后使用轮询或者 ws 等待状态 2. 手机扫码，获取 token 后发送到服务端，服务端改变状态 3. 通知 PC 可以登录了，由 PC 主动去请求个人信息）（中间扯了中间人攻击，包阻断，重放攻击；根据操作系统生成唯一标识符，mac 地址等）（感觉最核心的还是各种安全细节和登录成功后的消息同步功能，如何保证数据一致性）- 最后十分钟试试 IntersectionObserver，现场投屏写（前面聊了一下图片懒加载跟面试官说使用原生 loading lazy 和缺陷，面试官就反问有没有用过（没有）；最后没写出来，但是面试官看完思路说大致没错，改改细节就可以了）- 反问  - 是日常实习吗（是）  - 您负责的内容（leader，项目负责人）  - 部门主要业务（搜索中台 + 大模型，顺便提醒我可以去学习一下看看真实项目怎么落地的）  - 就个人来说要怎么继续提升自己（去一下更大的平台，学习一下企业是怎么管理的，以及整个 workflow 的实现；就我的项目举了一些例子，我自己一些自研的地方其实有插件去帮助实现）  - 压力算大吗（经典话语）  - 实习时长（希望越久越好）  - 面试有什么需要改进的地方（还可以，主要是有自己的特色）

一面（12.2）1小时20分钟：自我介绍深挖实习工作Llama3介绍，原理，与llama1和2对比Llama3构建数据集方法，数据过滤手段SFT，LORA原理，效果怎么样？Coding：寻路算法反问环节楼主上段实习是强相关实习，大部分在聊实习工作内容，引出少量八股内容。当天就约二面。二面（12.5）50分钟：自我介绍介绍实习工作深挖工作经历为什么要做这个项目你认为实习期间主导的技术有哪些亮点怎么权衡实习和学校工作无coding反问环节本来以为有三轮技术，结果二面直接就是主管面了，整体二面轻松愉快，面试官很有行业经验。还在等hr面。。。。现在这么忙嘛12.10 应该挂了，hr说去问问，有点道心破碎。。#字节求职进展汇总##字节##字节跳动实习##大厂实习##面经#