#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#

部门做temu搜推工程的，聊下来感觉水平挺高面试官说推荐这块和字节并列第一，人才密度很高，所以他们喜欢校招生（真正原因应该是校招进来的比较能卷吧。。。）一面静态多态悲观锁和乐观锁线程同步互斥，内核态切换volitile算法：DAG求耗时二面聊实习算法：非递归判断二叉树是否对称三面聊实习有没有做过可用性相关的工作算法：链表交替排序hr面为什么做搜推 面了哪些公司，怎么排序本硕成绩，排名通信专业进哪些公司base地父母的想法，是否单身薪资预期

拿到了百度Ai原生工作台后端开发offer，不知道选什么方向，python方向可能是做langchain啥的，go是做后端云那一块，也不太清楚。本人之前一段实习是java，后面可能还是考虑后端吧，python的话怕岗位少把路走窄了，go的话怕接触不到大模型的核心。可能是我理解的不对引流 #百度#  #大模型#  #开发#  #go#

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...