问题有些怪，基本没怎么问算法相关技术问题，就硬质疑。没出手撕题，体验有些差，可能kpi1.有什么offer了，有了x的offer不考虑留下么2.祖籍哪里，意向部门为什么填的视频号，我们可不是视频号哦（尴）3.最熟悉什么语言，python脚本性能问题怎么解决，怎么优化（感觉太宽泛了）4.熟悉哪些容器哪些数据结构，问字典集合底层实现（面的是算法吗）5.讲实习项目，问一些数据，问认为模型学到了什么信息，然后质疑下业务指标提升的结果，就这个解释半天6.问实习team的规模，组成，和开发怎么对接7.问认为自己有没有自驱力8.关于推荐看的新的论文，讲了一个，不是大模型不满意，问我了不了解大模型在推荐里的应用。我说可能现在都还在尝试，不太成熟，讲了个比较简单的做embedding9.反问:反问了下对面的业务以及有没有大模型的应用，他说有很多啊，很多公司都在用，并且有一定的效果，不像你说的不太成熟，只是说可能没有好的paper（难绷，像羞辱了）over，体验较差，感觉不会有后续了10.28:挂了，体验问卷狠狠差评 #面经# #推荐算法面经# #推荐算法# #算法# #腾讯#

10.28晚上八点约面试，面试官跟我说部门需要Python，Shell以及少量的goland。我的语言是Java，他们部门的语言我只是简单涉猎过并不熟练。10.29线上面试。 上来就是手撕算法，三角形的最小路径，力扣原题，但是空间复杂度要求降低到O(n)。 我的思路是动态规划，自下而上遍历，同时只维护一个一维数组。 然后问了两道八股就结束了。 Python的装饰器，Linux设置定时任务，Linux看端口号的命令。

1. 挖实习项目细节2. 讲讲特征怎么稀疏化，怎么处理的3. 怎么对数值特征进行分桶4. 讲讲推荐系统里有哪些注意力5. 介绍下MMOE,PLE,ESMM模型6. 介绍下DIN7. 介绍下Transformer，为什么注意力能起作用8. 推荐系统有哪些Bias特征9. Embedding特征相对于其他特征为什么能更有效果？在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~

小红书是我面得最早的公司，但也是挂得最快的公司，流程停滞了，也没有感谢信，所以标题写着无疾而终的面试。一面：项目内容，主要是针对我的项目进行提问，然后，写两道算法题，写出一道，另一道写不出低复杂度的代码。反问：你们的实例规格是多少？对方回答之后，我就意识到他们不需要我了。果然，就此没有了后续。蚂蚁可太简单了，投了简历，做了个在线测评，然后，连笔试都没有发起，就把我的流程结束了，结束后又复活，但是至今毫无进度。