智谱AI内推

一面&二面（10.15）→ HR面（10.17）→ 三面（10.22）一面&二面：预训练数据怎么收集的分布式爬虫和清洗用的框架和数据库是什么分布式爬虫有没有做负载均衡分布式清洗有没有遇到爆内存的问题微调/评测数据怎么做的合成数据对模型能力的影响Qwen2-72B base的seq_len是多少，做完yarn之后呢？学习率变化的设计方式和原因继续预训练后模型通用能力变化大型集群出现坏点以后如何快速找出推荐两篇最近读的论文HR面：秋招情况对贝壳业务了解情况大模型/AI对贝壳业务增长点在哪考研情况……三面：秋招情况个人性格拿到oc的企业排序好像今天开始开奖了？三面后到现在一直是offer评估，许愿一下#贝壳求职进展汇总#

书接上回，京东等开奖，快star 等评估，腾讯二面莫名其妙挂了，线下投了挚文集团 oc 了一个大模型推理的岗位，只要我不再投，秋招面试通过率就是 2/3，结束秋招。小论文改完了，这两天投出去。（看了一下 git commit 改了十一版）开始骑行，七天骑了两百公里（其实这个是 19 年的爱好，但是后来各种各样的原因放弃了）。又找了一段实习（第三段了），做推荐算法和算法工程化的，月 7k，包住宿，打算去成都生活一段时间。

#OPPO#感觉和互联网风格不太一样，不太侧重挖项目，全程在拷打八股1. 挖项目细节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. 讲MMOE,PLE,ESMM模型6. 讲XgBoost7. 讲DIN8. 讲Transformer，为什么注意力能起作用9. 推荐系统有哪些Bias特征10. Embedding特征相对于其他特征为什么能更有效果？#面经##推荐算法##推荐算法面经##OPPO#

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#