快手 推荐大模型 三面 面经

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~

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