滴滴 搜广推一面二面

10.15 一面自我介绍一半打断问项目，问实习，实习里有用flashattention然后直接让手撕，没撕出来又撕lora，撕出来，反问，过10.16 二面自我介绍问项目，实习手撕，给二维坐标系三个点，求一个点离这三个点欧式距离最近，撕到一大半时间有点久，让说了思路说可以，反问，过10.17 三面问项目，实习，无手撕，反问，过10.18 hr面问实习过程比较成功的事，学习经历啥的，纯聊天，反问，两天后过但没通知泡池子到现在给hr打过几次电话，说是排序还要等，估计是排序很靠后，应该寄了 #排序挂# #泡池子# #你都收到了哪些公司的感谢信？# #面经#

介绍论文，没问项目实习介绍attention种类embedding层的引入的目的作用特征工程和模型设计两个部分怎么来处理(流程经验)，有无处理大量特征工程处理经验定价异常检测场景用回归还是分类(我觉得都行吧，分类好点结合场景balabala，但是感觉他不太满意)初始化目的，全0初始化问题哪些机器学习模型可以全0初始化(不知道)cv领域相对nlp现在面临着什么问题大量有偏数据，少量无偏数据，怎么得到无偏模型，乱说了bagging，过采样，数据增强，中间他问我确不确定问了手头offer，说了一些，然后表了忠心，喜欢杭州(确实喜欢，长腿妹妹贼多😍)半个小时后挂，确实有一些问题没咋答出来，但是感觉答得也还行吧，难道说别的薪资高了把他吓着了还是太菜，不过确实有的经验或者机器学习的不太知道，但是秋招行进至此，每天已经没啥心情准备，不知道什么时候才是个头，感觉一直都在围城中 #牛客创作赏金赛#

薯薯多模态和大模型出身，搜推零基础，意向是字节抖音搜的搜索推荐方向一面15分钟实习，15分钟论文，15分钟八股，15分钟算法八股和实习和论文高度相关。问了ppl的计算与物理含义，Transformer的结构，self Attention为什么要除以根号dk，神经网络能否用全0或全1初始化，还有一些问题记不住了算法是编辑距离面完15分钟后就约2面二面20分钟实习，穿插点八股，问我大模型的微调技术了解多少，讲了LoRA、ptuningv1、ptuningv2、qLoRA问我有无搜广推经历，回答无，遂让写算法给了一道原创（貌似是，没刷过）算法，难度mid，给一个质数数组和一个数k，从数组中选两个数组成真分数，问有多少总组合方式大于k。答了一个O(n2)的算法，面试官让优化，思考了一会想出了一个O(n)的算法，coding并跑通测例然后面试官加了一问，让找出第k大的真分数，感觉应该是hard难度了，没思路，随便说了个算法反问，面试官非常不耐烦，以为凉了三面莫名其妙就过了二面，三面主管面，面试体验很好，主要讲论文和实习，大概讲了40分钟，可以看出来面试官很认真的在听在问，正反馈很强。后让写题，找出数组的第k大元素。我知道有两种写法，基于堆是O(nlogn)，基于快排是O(n)。写了个堆的解法，等面试官让我优化，结果没让优化。后面问了些场景题，问我有没有用过抖音，问现在抖音搜和抖音推存在哪些问题，如果让我来会怎么改进。没什么经验瞎说了一些。hr面问问有哪些o，为什么不继续做大模型，家里是哪里的，对字节这边有什么了解希望能给牛友们提供一些参考~希望自己能做出最适合自己的选择

1、自我介绍2、介绍实习的推荐项目3、推荐系统离线都看什么指标，这些指标有冲突怎么办？4、新item如何做冷启动？5、pointwise, pairwise, listwise区别？为什么精排用pointwise6、推荐和广告有什么区别？6、如何提高推荐的多样性？7、排序模型离线指标和线上效果不一致如何处理？8、推荐上怎么引入搜索的一些相关信息？9、leetcode 56：合并区间在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~ #面经#  #校招#  #美团#  #推荐算法#