#软件开发笔面经#被HR捞起来的 应该是tiktok电商字节对八股和代码的严厉程度都很高秋招到了后期都没怎么去背或者复习八股了，其实有点不适应面试流程：一上来就手写了个逻辑回归的损失函数写的有点磕磕巴巴的然后是自我介绍简单地问了一下在校的项目经历问了使用编程语言的情况，会考察对应的八股然后是代码环节，写了挺多：1. 实现softmax2. 实现self-attention3. 岛屿问题写完之后会问题目相关的八股体感字节是面试至今对八股考察最严格的

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...

自我介绍深挖项目了解哪些常用的搜广推模型手撕算法：有效括号个数反问面试官全程没有开摄像头，但是感觉态度很友好。由于我的经历和搜推没多大关系，于是也没多问关于这方面的知识。面试结束之前面试官说如果我对这个岗位实在感兴趣，推荐我学习xxx书之类的哈哈哈。挂得毫不费力

#搜广推# 点评事业部，全程就是挖实习项目，问些八股，手撕难度较低，体验很好一面：基本就是简历提到什么问什么挖实习项目细节，穿插问下PNN，PPNET，MMOE多任务学习怎么调loss权重，写下用到的方法的伪代码（写了DWA的公式）怎么进行分数融合？讲Transformer和Bert？分别适用于什么任务？口头问下会不会Spark，Hadoop这些算法题：三数之和二面：讲论文手撕多头注意力机制继续讲实习项目，大差不差算法题：二叉树层序遍历三面：比前面的面试官感觉严肃一些问实习项目细节（更细一些）采用条件概率方式建模的前提？（贝叶斯公式前提条件）了不了解Ltv的建模方式？实习项目一些场景的数据，记不清了，然后面试官开始表演速算，边算边嘀咕，说了个数，我说差不多差不多（回头发现其差太多了，离大谱，业务场景完全不同没什么可比性）算法题：开根号，用牛顿法迭代的Hr面：基本就是聊天，怎么学习的，然后讲了讲强度肯定不小，推荐这个岗位也很卷，工作选择还是看自己对产品的兴趣目前oc等开奖 #美团# #算法# #推荐算法面经# #面经# #开奖#