美团搜推算法工程师校招面经（24届）

上来先自我介绍，针对第一个项目项目问了一些业务上的问题：user id的embedding维度如何确定；针对少行为用户，怎么学好他的uid？（被面试官绕进去了，实际不可能学好）多任务学习中如何解决梯度冲突？如何对多种体裁的物料做混排？（实习做的精排模型，对混排了解不深）然后介绍第二个项目，之后面试官话峰一转，开始问八股，我几乎都答不上来：线性回归和SVM的异同；多层感知机的权重都初始化为相同值，会发生什么；哪些模型不用做normalize。暴露出的问题很多，一是对业务上的前沿优化点不够清楚，二是八股掌握得不够深入周末再冲刺冲刺吧 #面经#  #百度#  #搜广推#  #搜索推荐#

赋闲在家躺尸，给大家分享一波自己找实习的经历(搜广推) bg：华五本top2硕均科班，今年升研二，有一段大厂比较核心部门推荐算法业务岗半年实习经历先聊一下上一段实习。实习期间大概推了6-7个lr，策略和模型都有涉及。从推荐小白到基本入门，在mt和ld的帮助下收获、成长了很多。作为第一段互联网大厂实习，我非常的知足和满意。毕竟也呆了半年，作为日常实习属于很久的了。两周前复习了一波力扣面试150题就开始投下一家了。个人对第二段实习的期望是做更多模型的东西，以及有机会发paper，大模型or搜广推都可。一共只投了4家有research属性的。一. 💼阿里云搜索排序research inter...

一面8-191.自我介绍2.问美团的实习，问我商品量级，召回中相关性分档怎么做的，会不会出现query太不规范不能match到商品，怎么解决？我们的场景是否每个query和item都能匹配到相关性分数？3.精排模型我们用的baseline是什么，怎么用query和行为序列做的target attention，行为序列怎么截断的，最后如何用query打压搜索结果的推荐多样性？4.有哪些序列建模的方法和模型5.问了sim的详细原理6.说一下gbdt的全部流程，能做分类任务吗，怎么做7.做了一道中等难度题然后反问问得挺开放的，有些问题答的不好，二面8-221.自我介绍2.介绍实习的召回策略3.向量召回和策略召回的优缺点是什么，怎么解决向量召回的性能问题（不好回答）4.向量召回怎么做可以弥补漏召回或者误召回的问题5.DIN整体模块讲述，target attention的计算时间复杂度6.mmoe整体模块介绍一下，还有什么进阶的模型吗？解决的问题是什么？mmoe的gate输入是什么7.xgb和lgbm区别，怎么进行特征筛选和重要性分析8.讲一下auc在推荐中的物理意义9. 手写AUC（还好复习了，不然直接凉，虽然最后结果输出错了）#快手##快手求职进展汇总##算法##秋招##秋招提前批，你开始投了吗##算法面试分享#

快手的二面是在一面结束一个月后进行的实习项目：再次让我详细介绍了实习项目。Transformer Self Attention介绍：让我介绍了Transformer中的Self Attention机制。序列建模：问我在项目中是如何进行序列建模的。ListMLE损失函数解释：让我解释了ListMLE损失函数的原理。QKV投影：问我为什么要对Q、K、V三个矩阵进行投影，直接用输入为什么不行。MMOE介绍：让我介绍了MMOE（Multi-gate Mixture-of-Experts）模型。最长递增子序列：让我手撕代码实现最长递增子序列。