薯薯多模态和大模型出身，搜推零基础，意向是字节抖音搜的搜索推荐方向一面15分钟实习，15分钟论文，15分钟八股，15分钟算法八股和实习和论文高度相关。问了ppl的计算与物理含义，Transformer的结构，self Attention为什么要除以根号dk，神经网络能否用全0或全1初始化，还有一些问题记不住了算法是编辑距离面完15分钟后就约2面二面20分钟实习，穿插点八股，问我大模型的微调技术了解多少，讲了LoRA、ptuningv1、ptuningv2、qLoRA问我有无搜广推经历，回答无，遂让写算法给了一道原创（貌似是，没刷过）算法，难度mid，给一个质数数组和一个数k，从数组中选两个数组成真分数，问有多少总组合方式大于k。答了一个O(n2)的算法，面试官让优化，思考了一会想出了一个O(n)的算法，coding并跑通测例然后面试官加了一问，让找出第k大的真分数，感觉应该是hard难度了，没思路，随便说了个算法反问，面试官非常不耐烦，以为凉了三面莫名其妙就过了二面，三面主管面，面试体验很好，主要讲论文和实习，大概讲了40分钟，可以看出来面试官很认真的在听在问，正反馈很强。后让写题，找出数组的第k大元素。我知道有两种写法，基于堆是O(nlogn)，基于快排是O(n)。写了个堆的解法，等面试官让我优化，结果没让优化。后面问了些场景题，问我有没有用过抖音，问现在抖音搜和抖音推存在哪些问题，如果让我来会怎么改进。没什么经验瞎说了一些。hr面问问有哪些o，为什么不继续做大模型，家里是哪里的，对字节这边有什么了解希望能给牛友们提供一些参考~希望自己能做出最适合自己的选择

岗位是做首页笔记推荐相关的东西，感觉算是比较核心10.21一面：自我介绍研究经历询问，研究主线是什么你的这些论文主要解决了什么问题收益体现在哪里，baseline包括哪些讲一下大模型实习，我以为会问推荐实习的BERT和GPT的区别，都是怎么训练的二者的finetune一般怎么做SFT和RLHF一般各自用在什么场景，各有什么优缺点目前long-context中主流的方法有哪些transformer和lstm+attention相比，主要的改进点是什么对整个推荐系统链路有哪些了解打分样本空间分布与精排不一致（精排对粗排返回的样本做排序，粗排则要对召回的样本打分），相关的解决方案了解吗介绍下推荐实习...

11.4一面1. 自我介绍2. 并发包下面有哪些类？3. ClassNotFound异常什么情况下会发生？4. Select d from table where a=1 and b=1 and c=1,有(a,b),(b,c),(c,a)会走哪个索引？5. 查询8-10岁男孩的数量6. Spring事务失效的情况？7. Spring用过哪些注解，哪些第三方包？8. 注解什么情况下会失效？9. ThreadLocal用于父子线程的变量用哪个（两面都问了）10. 20枚硬币中有一个假币最少几次称出来？11.  有10瓶药，每瓶有很多粒药，其中有一瓶是变质的。好药每颗重1克，变质的药每颗1.1克。问怎样用天秤（带刻度）称一次找出变质的那瓶药。12. 算法，从矩阵中搜索字符串11.12 二面二面就20分钟，简单聊了点实习，算法都没写，感觉无了。更新，挂了#美团面经##实习##JAVA面经#

一面写题写一个红包分配算法，面试官引导下写了几个版本。面试官希望的版本是，足够随机，且每个人期望差不多。八股很基础的八股。二面问实习做了什么，收获。数据库数据库隔离级别，及实现。几个数据库日志。索引为什么是b+树不是红黑树，详细说说选取原因。写题快排总结感觉整个流程面试官生怕把我面挂了。但是问我愿不愿意提前实习，但是小米的薪资，没什么提前实习的想法，说不愿意去。目测秒挂。