滴滴 日常实习 算法

6.26一面：
1.自我介绍
2.介绍论文（数据集，输入，输出，模型架构，评测指标，创新点，motivation）
3.transformer比rnn/lstm这些有什么好处？除了并行计算还有呢
4. decoder和encoder有什么区别
5. QKV怎么来的，除了selfattention还有什么attention?
4.prompt为什么在大模型中起作用
5.手撕：查找有序数组中小于k的最大索引（k=2, [0,1,2,3,4,5]=>result=1）

6.28二面：
1. 两个地点，有一些位置和名称还有其他信息，设计模型（模型架构+损失函数+训练方法）来判断是否它俩的距离远近
2. (x,y)地点位置怎么embedding?
3.归一化有哪几种？为什么要归一化
4.sigmoid进入饱和区梯度变化值小，怎么解决
5.多标签分类任务的损失函数怎么设计？
6.手撕：字符串的排列

发面经 dream一个oc

更新一下:7.3催了一下 7.4部门面试官发了offer message ？加了微信 7.6正式邮件offer啦
#滴滴#