腾讯搜索推荐算法一二面

一面全程一个小时20分钟

1.自我介绍
2.讲实习项目,问了下多路召回合并的问题,怎么做的小流量ab实验,每路召回占比怎么确定。
3.召回命中率怎么算的,怎么确认漏召的商品。反复盘问了很多细节上的东西
4.讲了下另一个rag项目(做的不咋样)
5.知识库的大小和结构
6.扣了很多细节,觉得我做的太简单了,问我为什么不用大模型来微调(我说没资源)
7.怎么微调的嵌入模型,负样本选择,rag里还可以怎么来微调
8.如果现在用大模型让你重新做一遍你会怎么做,整个过程
9.rag中,检索完用query和文档片段输入进大模型生成答案,在这里还有什么效果更好的方法?
10.rag相比于微调解决什么问题
11.做了两道mid题

二面全程40分钟

二面没有任何的八股和做题,只有对我实习的一个深挖,问的很细,展开问了特别多,个人觉得答的一般

然后就到hr面了,但估计还有三面的

#秋招#  #算法#  #腾讯求职进展汇总#  #算法岗#
#秋招提前批,你开始投了吗#   #腾讯#

全部评论
佬,为什么hr面之后还会有面试呀
点赞 回复 分享
发布于 09-18 22:24 湖北

相关推荐

    自我介绍之后,还问了实验室和导师是谁,是不是博导()。    觉得我项目和岗位没什么匹配度(在实验室主要做CV的),就只问了一段实习。(好详细啊)    下面问了好多八股题:        1.BERT详解        2. 借口任务是什么意思        3.为什么自注意力要除以根号dk        4.编码器和解码器是什么关系        4.1 Transformer中编码和解码的作用        5.推荐系统中大模型的应用        6.BERT在做分类、命名实体识别、句子相似度任务的区别        7.命名实体识别和相似度计算有什么区别        8.推荐系统整体流程        9.搜索系统整体流程        10.搜索系统和推荐系统的异同点        11.回粗排精排重排流程以及常见算法        12.精排的作用        13.精排预估相关性还是点击率        14.点击率、转化率等相关指标介绍        15.重排的功能        16.分类和回归任务的关系,可否相互转化?        17.推荐系统中的DIN模型        18.常见的损失函数有哪些(分类、回归、对比)        19.二分类和多分类最后的激活函数        20.softmax是否可以用于二分类        21.Sigmoid和Softmax的关系        22.有哪些常见的Attention        23.SE Net的结构和作用        24.AUC和GAUC指标        25.粗排的离线指标        26.XGBoost和GBDT的区别        27.XGBoost的原理、损失函数、训练过程        还有一些可能忘了,被问晕了,完全拷打。基础不牢真的痛苦,还是补搜广推的基础吧,只靠那么一小段实习感觉顶不住啊。。        手撕:三数近似和(过)     反转链表说下思路   (面试官说他不太看重手撕)        反问:            1. 主要业务。            2. 需要的技术栈。            3. 您觉得我哪方面弱势。        面试官挺严格的,但是反问的问题都认真回答了。哎,菜死了,感觉凉了。
查看31道真题和解析
点赞 评论 收藏
分享
腾讯-暑期实习-推荐算法-复试(已offer)暑期实习的面经现在才有空发出来哈哈哈个人背景:双985Timeline:2.25投递,3.4通知初试,3.5初试,3.8复试,3.10 HR面,3.12 HR电话沟通offer,3.15 正式offer邮件面试部门:PCG前情提要:之前腾讯发起面试都是腾讯会议,这次复试直接就是面试官打电话过来了,因为最近经常要面试我虽然有预料到是hr或者面试官什么的,但是听到说是腾讯的时候还是很惊喜!面试官问我现在方面电话面试吗,不方面可以再约(我正好在刷题hhhhh)。我在马上面和再约面之间纠结(再约怕错过机会),然后面试官说那可以先简单聊聊20分钟左右,然后我就开始复试了:)。电话面试20分钟左右,过程如下:1.简单介绍一下自己。2.面试官说初试的面试官已经问过很多项目问题了,这里就不问了。只出了一个数学题,怎么在只遍历数组一次的情况下算出数组的方差?(一般的逻辑是先算出均值,再利用均值算出方差,但是常规方法是二次遍历的。我一开始还有点懵,因为是第一次被问到数学,然后面试官提示我说概率统计肯定学过的,想想二阶矩。然后我就已经想到了,可以通过对方差的计算公式进行代换、移项得到。但是面试官以为我说的不是,让我可以拿纸笔演算一下,然后我就在纸上再推了一下,确定了就是我最开始说的那个公式,然后面试官说是对的:)其实就是 D(X) = E(x²) - [E(X)]²,在算x的均值的时候可以同时算x²的均值,所以只需要一次遍历)3.你有在考虑其他公司的机会吗(我说这个不太方便回答hhhh)?然后面试官说我这么谨慎吗哈哈哈哈。问我主要投的什么岗位(机器学习和推荐算法都有投,机器学习熟悉,推荐算法感兴趣)?然后问我如果给我offer我会接吗(迅答当然会啊啊啊啊哈哈哈哈)?最快什么时间可以到岗(我一开始说3月、4月就可以到岗,然后面试官说他们还是希望可以尽快到岗的,我赶紧说随时可以到岗)?4.有什么想问的问题吗?我问了这个算日常还是暑期,有没有转正,面试官说有转正的。Base是哪里(北京深圳都可以)?然后问了一下实习的主要内容是什么。面试官说是做推荐算法,更看重实习生的学习能力和发展空间。我再问了一下每周出勤要求和转正大概在什么时候。最后问了一下这个电话面试算正式面试吗,在HR面之前还有没有面试。面试官说没有了,这次就算一次面试,下一步就是HR面了(再上官网看的时候10分钟内进度就从复试变成HR面了,好快!)。 #腾讯#  #暑期实习#  #面经#  #算法#
查看8道真题和解析
点赞 评论 收藏
分享
2 9 评论
分享
牛客网
牛客企业服务