timeline：8.30 一面9.4   二面9.23 三面9.25 hr面10.10 录用评估

二面后30天不约三面不挂流程。有一天看到挂了，于是转投其他岗位。不到2天，新岗位挂掉，旧岗位却出现在流程中，问了HR，回答是：用人部门还觉得可以考虑下你，就给你捞起来了了。好的，等发意向之后，我得好好考虑考虑你！秋招人只能无能狂怒😠

一面是打乱面的，二面才是组内面。。。。。什么都问。。。。如果你要评价一下你生成图片出来的一些美学度，然后你觉得可以从哪些角度上面去做。以及你如果说给你做这样的课题的话，你会去准备怎样的一个数据或者设计怎样的一些模型。如何去识别哪些图片是AIGC，然后哪些是用户拍摄的。如果你要去设计这样的一个AIGC图片的一个鉴别模型，然后你觉得可能有哪些方法可以做？怎么防止生成文字flux和sdxl差异文本提示的话，这里面是怎么做的CNN、transformer区别，更加适合怎样的一些任务。卷积的话也可以获得全局视野，怎么做的（？？？他说u-net可以做到）介绍lora，它怎么初始化的还知道哪些lora变体？？？？无监督、自监督、半监督、监督任务原理和区别。。。。了解哪些聚类算法？介绍一下原理？？？？？？？？？？？？？？？？？介绍一下常用的优化器adam自适应你是怎么理解的。。。。BN、LN区别，适合哪些场景。介绍一下BN具体计算过程。。。。介绍位置编码怎么用扩散模型做layout？？？？？？？？？？？？？？？？？手写IOU全是问的我没做过的场景，不想要可以不面#蚂蚁##蚂蚁求职进展汇总##面经##算法##秋招#

三个月秋招结束，我先后收获了腾讯，字节，携程，b站的意向和快手转正的口头意向。欣喜之余，也有一些经验想分享给还在奋战的算法秋招人们。（先叠个甲，非故意集邮，意向全是10月从池子里泡出来的，还在面试中的都推了）先说背景：2+2本，top英硕，两领域无关论文，一段大厂搜推实习。我个人认为只能算是算法岗的平均背景，能过简历关，但也没有额外加分。我做对了哪些事？1. 放弃多模态和图网络，全面拥抱搜广推这可能是我秋招做的最正确的一件事，也是能收获如此多意向的根本原因。搜广推需求大，岗位多，竞争压力相对小，也不需要候选人有很强的相关背景，学历和科研成果合格就行。我投的所有公司，只要简历筛过了，基...