美团北斗—推荐算法 一面

 一面面经【90min】
hr介绍他们的业务，针对他们的业务我也问了相关问题

正片开始：
自我介绍。然后讲一篇自己的论文。这里会问论文细节。这里完成后大概35min。

Part 1：序列建模
Q1：我看你的工作也涉及到了序列建模，那你对序列建模了解多少？
A1：知道DIN是怎么做的，看过DIEN的摘要。
Q2：好那问你两个关于DIN的问题。DIN要和每个历史物品算相似度，假设历史物品有2000个，复杂度太大了，怎么优化？
A2：召回里的最近临查找，实际就是聚类。
Q3：DIN选出的历史相似的item，是没有考虑item出现的位置的。比如有些item出现的位置离当前特别远，怎么考虑历史item的远近信息？
A3：直接加item的位置特征。

Part 2：样本不平衡
Q4：他们有好多个场景，有数据量很大的场景，也有数据量很小的场景。如何用大场景的丰富数据，把小场景也训练好？
A4：考虑迁移学习那套，私有+共享两部分
Q5：那翘翘板现象怎么解决？
A5：按照腾讯PLE论文讲了讲。
Q6：还有其他方法吗？预训练怎么做？
A6：讲了预训练和finetune的方式。
Q7：那如何对小样本模型做在线更新？
A7：讲了更新方式，感觉面试官应该觉得没问题。

Part 3：样本不一致
Q8：比如ctr预估的时候，有些样本特征一致，但label不一致，该怎么解决？
A8：看和这些特征完全一致的样本，统一成特征类似的样本的标签。
Q9：比如两组特征一致的样本，一组的正负比例9:1 一组5:5，有什么区别吗？
A9：9:1那组更可能有些错误样本，5:5那种不一定是错误样本，可以在预测label时，把label改为小数。比如训练用交叉熵，loss=ylogp，把y改成0.5而非1。
Q10：好既然说到了交叉熵，那么我们这个场景能否不用ce，而换成用mse？
A10：不能。具体原因我刚好看到过，答对了。

最后是coding 题目是最长递增子序列

还在招聘
【岗位类型】北斗计划(面向全球高精尖校园科技人才):  大模型与AIGC、自动驾驶、无人机、视频编解码、运筹优化和智能调度等
秋招岗位-算法/技术/产品/商业分析/运营/金融/供应链/职能/市场营销/设计/销售、客服和支持等10大类

可内推【投递链接】：https://zhaopin.meituan.com/web/campus
😀【内推码】WA3N2P4
#美团##美团北斗计划##内推##算法##25届提前批#