春招平安寿险NLP算法工程师一面

项目一：

1. 介绍一下word confusion network

2. embedding如何学到语音信息，为什么不用拼音来学。

3. 对比的baseline是什么，Word2vec,fasttext不能冻结emb不知道嘛? (知道，所以我后面用了transformer做对比实验)

4. 介绍一下transformer结构和bert的结构（blablabla能说的都说了）

5. 我说到多头的效果其实是存疑的，他说不是的，bert之前多头就广泛应用了，我没有继续说。

所以没有问bert源码，也没问word2vec源码，也没问其他细节，因为被怼项目的意义不大，不如分离先做纠错模块再做NLU

项目二：

1. LSTM具体的结构一点一点细说

2. PGN怎么解决OOV问题？

3. vocab_size为什么会减小？是不是理解成取topn个词频最大的？每一步的vocab怎么构建？

4. 其他的copynet方式有了解么？（No）

5. 重复文本生成怎么解决的。

其他相关：

1. bert变种有了解么（介绍了一下roberta和xlnet针对mlm的问题的改进，讲了讲DisliBERT，但是具体细节没讲，因为不知道...）

2. 知识蒸馏的应用（同构蒸馏，模型压缩之类）

3. 知识蒸馏的具体过程（从公式开始讲，teacher的soft prediction之类的，还有损失函数的构建）

4. EDA有了解么（只知道同义词替换这类的，没有详细了解）

5. 样本分布不均怎么解决（重采样：分层抽样，重加权：focal loss之类）

6. 降低过拟合的方式（模型层面降低复杂度：dropout，正则化等等，数据层面确保测试集训练集分布一致：降噪之类）

7. 讲讲batch norm（从norm到batchnorm到layernorm）

提问面试官：

1. 组内业务是什么

1. 实习时候的一些关于对话系统业务上的疑惑

面试官点评：

感觉我有点紧张，准备没有很充分所以没有很满意，肯定会给过但是下一面他leader非常非常严格已经挂了很多人，不好好准备肯定挂掉。

总结：

面试官风格属于业务导向：一面几乎没有问项目相关的基础知识例如word2vec, fasttext, beam decode, seq2seq ,hmm这一类，问的全是项目的细节（但是他说还不够细。。他leader会问得更细，难道二面可能会让我白板手写代码公式？）。很多时候我的表述也不太清楚会导致拖沓。

本来中途面试官表示时间差不多了，但是又继续问了一些问题，猜测可能是濒临挂的边缘他决定再让我试试，平安寿险的NLP确实是强

实习期间几乎没刷题，第一道题不难但是差点没做出来，很悬。

继续努力吧。