喜马拉雅搜广推算法春招二面面经

总共60分钟35分钟项目 5分钟数据结构（排序）10分钟lc 10分钟赛马1. 介绍agent项目2. 不同agent如何协作的3. agent项目的算法工程体现在哪里4. 如果给你一个业务如何搭建agent：用户搜索出来的内容，比如搜出来macbook，排序在第一位，如何设计agent去调用各种知识或者搜索内容去回答用户为什么这个macbook虽然价格高但还是排序在第一位#搜广推##面试##面经##美团#5. 排序有哪些方法，介绍优缺点6. lc 合并有序#牛客AI配图神器#链表7. 赛马

地平线的26届实习又开了，来牛客捞点人。 之前带过了很多同学，有的留下了，有的离开。总体而言看你能否接受这家公司的氛围。之前见证了项目从创立早期到初具雏形。在这期间整个进程之快是让我无法想象的。人们都说初创公司一般都很拼，我倒觉得由于这种拼并不是漫无目的地捂眼狂奔，而是为着共同的目标齐头并进。我们团队虽然有近一半是实习生，但是每个人，不论实习正式，身上都肩负着项目的一个重要环节，每个人的工作都为项目能否顺利向下开展有着不可脱卸的责任。在来到这里之前，并没有觉得自己的工作能为项目，为团队，为公司带来什么至关重要影响，但看到自己的工作成果成为项目中不可或缺的部分，意识到自己真的是在一点点创造着价值...

今天老师给大家梳理了部分大厂搜广推算法岗面试真题，供各位同学参考学习。1.PPNet的核心思想是什么？为什么要 stop gradient ？什么时候不需要这样操作？2.多目标模型很容易遇到跷跷板问题或者两个 loss 数量级相差很大，优化速度差异太大，你知道有什么优化方法吗？3.NEG loss 和 NCE loss 有什么区别？ infonce loss 公式是什么4.召回业务一般怎么定义负样本？ bce loss 的公式是什么？简述一下 Pointwise , pairwise 和 listwise 的区别是什么？召回一般用什么 loss ?5.粗排的作用？怎么验证粗排精排的链路一致性？用什么指标可以衡量链路一致性？6.大模型了解吗？怎么在推荐中应用？比如怎么在召回中用？大模型训练分成哪几个阶段？简述一下各个阶段在干什么7.千万级别的整型数组，怎么获取其中出现次数最多的前 N 个数？（考数据结构）8.讲一下你知道的机器学习里面的算法，比如 AdaBoost , GBDT , XGBoost 这些。 Bagging 和 Boosting 的区别？随机森林是什么9.讲一下Word2vec是怎么做的？怎么降低计算复杂度？10.你知道的中心极限定理有哪些？11.双塔模型优势和缺点，怎么改进？12.粗排的目的是什么？有哪些指标，粗排应该向精排看齐吗？13.说一下 BN 的公式，哪几个参数是在训练时更新，在推理时还更新吗？简述一下测试过程中的 BN 怎么算。 BN 和 LN 的区别？14.当神经网络的权重初始化为0时，会遇到什么问题？15.你能抽象地归纳出序列建模发展的脉络吗？以及它的最终形态应该是什么样子？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

面经：网申方向填的系统一段中厂策划实习 战斗执行+系统+UI笔试互娱今年是统招 笔试4选3 答了系统战斗数值（数值没做完..）一面两个面试官40min主要围绕实习经历、游戏具体设计分析这两块聊。实习经历都是比较常见的能准备到的问题不多说了游戏这块1经典问题最近/这半年玩了什么游戏提了鸣潮并简单聊了 鸣潮/原神的声骸/圣遗物 系统对比被追问鸣潮为什么要做在大世界的声骸获取、目前系统有哪些体验/设计问题、如何改进介绍一个你觉得比较有趣的玩法提了一个最近玩的rouge（雪居之地）对照尖塔描述了玩法流程和战斗系统上的不同网易游戏（互娱）2026届暑期实习生（可转正）招聘今日启动内推福利推荐(仅限第一志...