携程-搜推算法暑实面经【oc，已拒】

11.21 上午刚面试的 趁还记得 写面经攒点人品大概率凉经 #字节跳动#   #实习#

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...

自我介绍深挖项目了解哪些常用的搜广推模型手撕算法：有效括号个数反问面试官全程没有开摄像头，但是感觉态度很友好。由于我的经历和搜推没多大关系，于是也没多问关于这方面的知识。面试结束之前面试官说如果我对这个岗位实在感兴趣，推荐我学习xxx书之类的哈哈哈。挂得毫不费力

一面  11.14   1h只记下有印象的1.稳定性建设都涉及哪些方面，思路是什么（举例了事故驱动，册侧重问出发点，怎么知道要治理哪些的2.讲定时任务治理做法3.说下我第二段实习所在组系统架构4.调底层搜推接口挂了怎么兜底5.第一段数平实习做的工作内容，说下什么是大数据平台的元数据6.讲ioc7.spring循环依赖算法：找两链表相交节点二面  11.19  1h1.讲实习难点   比较久2.讨论灰度方案3.spring如何集成限流组件的4.单机与分布式限流区别，分布式实现情形下有无去中心化方案5.线程池参数设置思路6.future.get()内部做了什么算法:  数组找不同的数字组合，位压缩二面后大概半小时oc，沪漂2.0启动