坐在高铁上，发个刚放假的MSRA二面凉经

一面：电话面（主要讨论research的东西）
先介绍了一下组做什么的，然后问我的东西，我觉得应该是看上了我给老师干活做的一个论文工作，然后问里面的东西，不过我回答得不好，就略过。
后面问我的研究方向，开始讨论图神经网络的东西，问问有哪些工作，说了常见的，切比雪夫核，一阶近似的GCN，graphsage和gat，然后好像问了graphsage，我说了几种聚合算子，后面让我详细说说池化算子，我当时直接说论文来凑数的，因为我也不太懂🤣，现在想想太草率了哈哈哈。假期又读了下，发现这个池化算子还是比较重要的，作者后面证明了sage能够以任意误差拟合网络中的三角形（衡量算法重构复杂网络能力的），这个证明用到了池化算子的性质。但我现在还没搞懂这个最大池化算子是怎么工作的，有懂的朋友可以交流一二🙏。

后面就在讨论GNN里的过平滑问题了，先回答为什么会产生，可以从频域空域视角理解，主要思路就是让节点向量趋于一致而失去应有的区分度。
然后问了一下图卷积网络和CV里的卷积网络都是卷积，为什么CNN可以做深，GCN不能？当时回答的是这俩卷积不是一个东西，可能机制不一样blabla。现在回想一下GNN其实是能做深的，不过和CNN一样都需要一些trick，最经典的就是残差连接。
然后问了怎样缓解过平滑，其实当时对这个问题没有深入的考虑和调研过，就主要谈了邻居采样问题，我主要觉得节点随着层数扩展是以指数级别聚合邻居节点特征的，所以聚多了自然就一致了，所以主要谈了谈怎么随机邻居采样，减少采样数量。现在再回答就是解耦+trick。

代码题最后简单问了一下思路，开平方问题，二分法，复杂度。

二面：由于一面没有严谨的撕代码，让我这个小辣鸡有了一张二面体验卡。
一开始又聊GNN的过平滑，由于聊过一次，对答如流，就在暗自庆幸之际，面试官就说来一道代码题吧：
“假设有T个城市，每个城市有L个类型的补给站。一个旅行者，需要从第1个城市依次走到第T个城市。第i个城市第j个类型的补给站可以提供的补给数量由数组A[i][j]表示，A是一个T*L的数组。从相邻城市的m补给站到n补给站，可以额外获得的补给奖励为B[m][n]，B是一个L*L的数组。求可以获得最高补给的路径，以及最高补给数量。”
回答了暴力解法的思路和复杂度，优化要用动态规划，可是我不会啊，遂挂。

这就是我面试的流程，希望对大家有帮助，谢谢。#微软##面经#