2024推荐算法实习面经

应该都是最核心的部门，这几个都拿到offer了，基本都是1-2轮技术面。

之前的实习做的是美团的推荐广告业务，所以问项目的话也是针对广告的技术。

感谢各位大佬提出的简历修改建议，学习到了很多，整理一下面经攒人品，今年秋招的同学可以交流一下。

虾皮推荐

1. 介绍上一段实习项目
1. 收益是由什么带来的，出价提升是否会导致ROI降低 b. loss是list-wise还是point-wise（单点预估的话，是不是模板里面广告位多的list loss更大） c. 如何进行校准
2. 了解过哪些推荐网络结构
3. 介绍youtubeDNN结构
4. 介绍熟悉的loss function
5. batch normalization和layer normalization的区别
6. batch normalization训练和推理阶段的不同
7. 有没有了解过多目标多场景任务
8. 算法题：寻找最大连通色块，m行n列的矩阵，每一个元素代表一种颜色，寻找颜色相同的最大连通色块所对应的颜色

得物推荐

1. 为什么拍卖机制需要满足激励兼容
2. ctr校准所用的list-wise模型的结构是什么
3. 用rank score是如何满足激励兼容的
4. code: 反转链表

滴滴推荐

1. 多目标预估如何解决跷跷板问题
2. MMoE为什么能够做到多目标优化
3. 除了MMoE还有什么其他的多目标优化模型
4. 除了auc还有什么度量排序结果的指标
5. 如何评估ctr校准模块的效果
6. 算法题：实现auc

百度搜索

1. 算法题：快速排序
2. 广告推荐链路的常见模型和评价指标
3. 正负样本如何采样
4. 用户对于poi的偏好不同，这一点如何建模。比如，点击为0，点赞为1，下单为2
5. 判断二叉搜索树