字节 搜广推算法 秋招二面面经

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

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。

在关注搜广推算法方向的同学们，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~1. 问实习项目，大约20mins2. 对推荐模型了解多少？介绍下deepfm3. 推荐和广告有什么区别？4. L1和L2正则化的区别？为什么L1能产生稀疏解？5.   介绍一下常用的注意力机制，什么场景适合self-attention？6. attention和全连接有什么区别？7. 介绍一下AUC的物理意义，如果在现在基础上，再增加一批全正样本，AUC值如何变化？8. 手撕代码：字符串去空格 #校招#  #面经#  #推荐算法#  #阿里巴巴#  #淘宝#

秋招差不多结束了，来写一下面经。本人虽然是PnC方向的，由于只有一段运动控制实习经历，所以一些大厂的决策规划都没有给面试机会（这告诉我们针对不同岗位的要写不同的简历），但是控制方向的面试基本都通关了。下面总结一下自动驾驶运动控制算法工程师面试常问的问题。 其实下面的问题都不难，但是给未来的同学的建议是：不要 all in 算法工程师，可以同时准备软开or其他方向。这个行业只会越来越卷。 1. 基础知识 车辆动力学 主要考察建模，这几乎是必问的问题，因为大多数的项目都是基于模型的。运动学或动力学，Frente or Cartesian, 线性或非线性，reference是什么，cost怎么设计...