时间：共1h30min， 因为我第一道编程题基本没写出来，在面试官的提示下才写出来，中间还掉线了，耽误了很多时间。但是被问这么长时间还是挺顶的，面试完人都是蒙的。 1. 编程题，给一个数字n，表示有1...n个数字。问这n个数字能组成多少个二叉搜索树？（动态规划，左子树的情况 * 右子树的情况，遍历1...i-1，复杂度应该是n^2） 2. 编程题，写一下线性回归的梯度下降解法，怎么迭代的。（我没背这个东西，现场推导，倒是不难，直接对平方损失函数求导即可） 3. SVM相关，怎么理解SVM，对偶问题怎么来的，核函数是怎么回事。 4. 集成学习的方式，随机森林讲一下，bo...

一共30min 1. 自我介绍。。。 2. 针对项目中用到的模型，每个模型讲一下它的具体结构，和BERT的区别(就是transformer，T5） 3. 问项目中的模型为什么要做出这种改进，好处在哪儿 4. 预训练模型还了解哪些，把了解的都介绍一下。（各种BERT改进啊，BART之类的生成式模型） 5. 准确率，正确率，召回率代表了什么性能，分别是怎么算的？ 差不多就这些吧，主要对模型结构和区别问的比较多。

个人太菜了，没有认真钻研，大家引以为戒，好好看看算法的细节都是为什么，遇到所有的东西都要问问为什么，对面试有好处！ 1. SVM 的 优化函数公式怎么写，代价函数是什么？ 2. 随机森林是怎么回事，为什么树模型好用，为什么要发明随机森林？ 3. XGBOOST相对于GDBT最大的优势是什么，XGBOOST求二阶导数的好处都有什么？ 4. BERT是怎么分词的？ 5. Word2Vec的训练方式有哪两种？（指的是分层softmax和负采样），CBOW和SkipGram各个的优缺点都是什么？（一个计算量小，一个慢但是细致） 6. 评估模型的指标都有什么，AUC和...