快手推荐算法暑期实习面经（已挂，很难受）

一面时间：4月7日 11:00 ～ 12:00

没有开摄像头，先是自我介绍

然后详细的问了一下实习经历，对实习中的项目做了非常详细的询问。
期间问了一下auc和gauc的区别，为什么使用gauc而不用auc。
然后因为项目用了图文理解大模型，询问了一些对比学习的loss，介绍一些nce loss之类的，然后怎么构造正负样本。
还有就是交叉熵损失函数的使用的注意事项。
使用RELU的一些潜在问题。

然后笔试题：215. 数组中的第K个最大元素

最后面试官又问了一下，为什么想转推荐而不是继续老本行cv，问以后的打算。

然后就结束了，希望能有个好结果吧！

----------4月12号更新
一面过了，约15号二面

----------4月16号更新
二面时间：4月15日11:00-12:00

上来先自我介绍，介绍完了直接写一道算法题

34. 在排序数组中查找元素的第一个和最后一个位置

因为上周五两个面试的算法题都是这个类似的二分查找，所以秒了，做完面试官还问了一下是不是做过这个题。差点以为要再出一道了。

然后就问项目了，让把自己的项目和实习经历都讲讲。
期间夹杂的八股也和上周的面试类似：
BN和LN的区别。
如果位置embedding从加变成concat会有什么区别。
位置embedding怎么做的，除了三角函数还有哪些函数。
attention计算的时候为什么要除以根号dk。

最后问了一个场景题：
类似于快手直播的场景，用户点击进入直播概率是CTR，用户打赏的概率是GTR，让你从0开始从一个推荐算法，你会怎么做？

答案之后又问有哪些方面可以进行优化分析。

感觉场景题答得一般，其他都答得不错，希望能有机会拿到HR面通知吧！

----------4月20号更新
一周没出结果，打电话问了一下hr，然后说两天给结果，过一会儿官网看就已经挂了。唉。
这是答得最好的一次了，不知道为啥挂了，难受