腾讯WXG 面经 已offer

腾讯WXG 已offer，岗位是技术研究-自然语言处理方向，有时间再整理一下面经

1. 腾讯一面初试（3/15）约30min

• 介绍一下比赛
• 介绍multi sample dropout
• 比赛还用到什么预训练模型
• bert、roberta、xlnet异同点
• 如何处理文本长度大于512
• bert参数如何计算
• bert mask策略，作用分别是什么

2. 腾讯面委会复试（3/23）约30min

问一下自己认为做的比较好的，有亮点的比赛或项目，

介绍了下比赛，最后介绍了模型融合的方式，为什么选择加权融合，当时还尝试了stacking融合，只不过stacking融合的结果不如加权融合的好，这个解释有点牵强，没有从理论上进行解释。

介绍了下项目，落地的场景

论文什么时候出结果。

3. HR面试（3/30）约30min

自我介绍

为什么选择做NLP，为什么读硕士，还读博么

爱好？工作地点？缺点？

从小到大，一个人计划，组织，实行，成功的事

为什么不投其它事业群

4. 总结

一定要投提前批！一定要投提前批！一定要投提前批！刚回学校的时候在改论文，没有时间复习刷题（主要也是因为寒假太堕落了，没能静下心来学习T T），浪费了很多提前批的机会。提前批阶段简历不进系统，私下面试，就算挂了也不影响内推和正式批。

回到学校也开始慢慢刷题复习，有针对性地投了几家公司，腾讯相对来说是较晚投的，但却是第一个发起面试邀请的，不得不说腾讯的工作效率很高。面试过程也很愉快，HR小姐姐说话很温柔，贼好听。

面试完需要复盘，总结哪里不足。面试官提到的一点让我印象很深刻，就是不仅要做到知其然，还要知其所以然。确实有些方法，我只了解他是怎么做的，却不明白为何这样做。这个坏习惯算是打比赛“培养”出来的吧。参加了很多比赛，尝试了很多方法去刷榜，只知道这些方法怎么用，却不了解其原理，比赛结束后也没花时间去看论文。复习的时候也是如此，尽量去看论文原文，博客笔记只是辅助。我记得复习BERT的时候就发现有些博客讲得不一样，然后回过头去看BERT论文才更加深入。

先写这么多吧~