算法岗

全程1个小时，八股含量拉满，节奏很快的问了巨多1.自我介绍2.介绍实习项目3.召回的时候怎么进行kv查找，线上hive表如何维护的，有什么性能问题，数据多久更新调度一次4.精排的din模块中，target item和query对行为序列得出的embedding，加权相加或者逐元素相乘有什么不一样5.transformer多头的架构怎么实现的，输入输出的是怎样的，attention计算，维度变化6.为什么用LN不用BN7.BN和Dropout训练和推理有什么不同8.softmax防止数据溢出的公式是什么9.xgboost的正则项是什么10.gbdt怎么实现并行化的11.信息增益的公式12.树模型如何停止分裂13.数组中目标出现的开始和结束位置，二分秒了面完就过了，下周二面

大佬们给些指点吧，双非本硕，本科期间没好好学，java很差，可以说很多基础都不会（比如集合什么的），硕士期间研究方向是计算机视觉。想在青岛找工作，是投算法还是Java？对于Java现在很迷茫该怎么学，是先看视频课还是直接背八股？项目怎么办？算法的话，我倒是掌握的还行。希望大佬们指点迷津！感谢

1. 签到题，知道ASCII码怎么计算就行2. 给一个initial数组，代表层序遍历一棵树的节点的权值（0代表空节点），节点权值只有1，2，3，4，5五种可能，然后给你一个target数组，要求通过操作把树的节点权值变成这个数组，操作是：选中一个节点，则该节点及其子树的所有节点的权值+1(如果超过5，变回1)。 问从initial变成target的最小操作次数可以边遍历边维护一个cum_diff[i], 代表i和i的所有父节点的已操作次数， 对于节点idx， (idx-1)>>1获得其父节点下标，进而获得所有父节点操作次数，当前节点还需操作： ( (初始需操作次数 - 所有父节点操作次数)% 5) %5  次p.s. 这题90%很可能是没考虑空树3. 有n(1<=n<=100)个魔法课程，每个魔法课需要mana[i]点法力学习，学习后能增强power[i]点法强，你只有M(1<=M<=1000)点法力值来学习，同时呢，你可以选择不同的楼层学习课程，共有m(1<=m<=5)个楼层，每个楼层有一个bonus[j](1<=bonus<=3), 即在第j层学习时，增强的法强和消耗的法力都×bonus[j],  你必须按顺序学习课程。 问你可以获得的最大法强一开始直接回溯做的，想剪枝剪了好久，然后发现，回溯优化一下不就是记忆化搜索，记忆化搜索优化一下不就是动态规划？于是直接开始dp， dp[i][j][k] 代表拥有法力k时，在第j层学习第i个课程后的法强最大值，更新的时候我是用的四重循环，要注意只有dp[i-1][floor][k]>0 且 k>=cost 的时候，才进行max(dp[i][j][k], dp[i-1][floor][k] + bonus[j]*power[i])的更新第四题，由于第三题先写回溯，再优化回溯，再换成dp，再改dp的错，改了一个半小时，第四题根本没时间做了，只记得大鱼吃小鱼（）

📍 个人背景打底：985本硕  |  研究方向 ：CV多传感器融合/决策规划 (选填你的核心方向)技能栈 ：C++/Python双修 | PyTorch/TensorFlow熟练工 | ROS2/CyberRT接触过科研&项目 ：顶会/顶刊 * X (有必填) | 自动驾驶相关项目 * X ( 感知/预测/定位/规控 等)刷题 ：LeetCode 400+ (面试报了250+，重点刷 图论/DP/几何/搜索 )💥 三轮技术面深度复盘（硬核预警！）：✅ 一面：算法根基 + 工程手撕 (70min - 基础考察)1. 理论轰炸区：多传感器融合 ：卡尔曼 vs 粒子滤波优缺点 & 适用场景 (拿IMU+GNSS紧耦合举例)？时间同步 ( 硬同步/软同步 ) 咋搞？深度学习CV ：BEV感知为啥火？痛点在哪？Transformer (DETR, BEVFormer) 咋用在感知里？模型轻量化 ( 蒸馏/量化/剪枝 ) 实战过吗？SLAM/定位 ：后端优化 (BA, Pose Graph) 是啥原理？回环检测常用招数？动态物体干扰咋办？2. C++/工程实战区：性能优化 ：手撸并行加速点云聚类 (OpenMP/CUDA思路)，Eigen库高效矩阵操作技巧， 深度学习推理内存泄漏 怎么防？数据结构设计 ：动态障碍物轨迹 (带时空信息) 用什么数据结构存又快又好？3. 算法手撕区： (现场写码!)动态障碍物轨迹预测 + 冲突检测  (时空占用网格 or OBB相交判定，二选一)点云地面分割/聚类  (RANSAC, DBSCAN 等实现 & 优化)✅ 二面：系统设计 + 地狱场景 (100min - 能力纵深) 🚗 自动驾驶算法架构设计：分布式感知痛点 ：多车协同感知框架咋设计？ (异构传感器数据融合 + 带宽/时延限制)海量点云/图像数据Pipeline怎么搭高效？ (ROS2/CyberRT选型？ 数据传输、序列化、推理Pipeline优化)模型落地难题 ：模型 在线更新  +  A/B测试 怎么做才安全？边缘设备 ( Jetson ) 模型 部署优化 经验有吗？⚡️ 地狱级场景题 (重点！)：十字路口修罗场 ：感知有误 (遮挡、误检) + 通信延迟，多车+行人怎么协同决策？ ( 规则派 还是 强化学习派 ？) 安全性咋量化？极端天气Buff ：暴雨/浓雾天，怎么让感知模型更稳？ ( 数据增强 ？ 多模态融合 ？ 后处理玄学 ？) 🧪 模型与数据暴击：数据闭环 ：怎么自动挖Corner Case触发模型重训？Pipeline咋搭？仿真 VS 现实 ：用CARLA等仿真器高效生成刁钻场景 + 评估算法？ ( 场景泛化性 是关键！)✅ 三面：CTO压力面 + 灵魂对谈 (50min - 格局视野) ❗ 夺命连环问：“L4落地最大的 技术坎 在哪？ 突破口 你觉得是啥？” (秀技术视野深度!)“算法 安全性 (SOTIF功能安全) 怎么贯穿 模型设计->训练->测试->部署 全流程？” (ISO 21448了解一下!)“你的研究/项目到底怎么 解决自动驾驶真问题 ？ 创新点 和 落地价值 在哪？” (价值论证是核心!) 💡 反向收割 (把握主动权！)：技术栈：贵司 自研算法框架 的核心优势？和Apollo/OpenPilot比 差异化 在哪？真挑战：目前算法团队啃的 最硬骨头 是什么？ (展现解决复杂问题的渴望！)🚀 算法岗通关秘籍 (牛客精华版)：1. 项目包装术：科研项目 => 直戳痛点 ：论文包装成解决具体问题 (e.g., 长尾检测 -> 提升路口“鬼探头”识别；轨迹预测 -> 优化Cut-in预判)。工程项目 => 突出闭环 ：狂吹 算法部署 、 性能调优 、 数据Pipeline 、 仿真验证 全链条能力！2. 八股重生法：基础算法 => 绑定场景 ：DP -> 行为决策/路径规划；图论 -> 高精地图处理/车路协同；几何 -> 传感器标定/碰撞检测。深度学习 => 聚焦落地 ：少讲原理，多讲 模型设计如何解决具体问题  (e.g., 时序模型搞轨迹预测，注意力机制破遮挡)。3. 仿真Demo潜规则 (超级加分项！)：必杀技 ：用CARLA/LGSVL搭典型高危场景Demo (e.g., 无保护左转、VRU密集路口)，展示算法处理过程 + 结果分析！GitHub源码链接当“投名状”，甩给面试官！隐藏大招 ：展示自研的Corner Case生成 + 自动化测试脚本 (体现工程化思维)。📣 【内推直通车】牛客专属福利，面试流程加速！🔥 内推码：NTAW9FW (投递时务必填写，这是关键！)🚀 极速内推链接：👉 投递后助攻： 在此帖下留言 “李四 + 算法岗 + 你的牛客昵称/邮箱（选填）”，我会尽力帮你盯进度！关于算法岗考察细节、流程疑问也尽管砸过来！

一图说明今年算法人人人人人人多，岗位少。

算法岗      

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

一面8.6 全程45分钟：1.自我介绍2.介绍实习和项目3.讲一下Transformer的架构4.Bert如何训练的，Bert和GPT的区别是什么5.多头的作用具体是什么，mask怎么用的6.讲一下l2r，三个wise训练区别，效果如何不同6.做lc中等题，秒了二面8.8 全程40分钟1.自我介绍2.做了一道偏数学的代码题，应该不是lc上的3.问了下KNN相关原理和k值大小的影响（差点忘了）4.拷打简历，说完就结束了，没有反问我简历三面8.14 全程25分钟1.自我介绍2.说了下现在美团实习主要做的东西，目前进展3.唠日常，问了下目前团队氛围，以及详细说了下他们的场景4.叫我有时间可以提前来实习，然后就是说等9月谈薪许愿顺利！还是很想去这个部门的，另外美团转正应该也有了

各位大佬，请问京东p6的职级是什么level呀，校招一般给p几呀，京东p6能对应阿里p几呢

🔍 AI算法工程师&银行信息技术岗1. 面试流程概览AI工程师岗位面试通常分为以下环节：技术初筛：简历评估+线上编程题（LeetCode中等难度为主）。技术一面：围绕简历项目深挖技术细节，涉及AI模型、算法优化等。技术二面：系统设计题（如设计推荐系统、优化模型推理效率）。HR面：职业规划、团队协作、抗压能力等软实力考察。2. 高频技术问题算法基础：手写交叉熵损失函数推导，分析其梯度；Transformer中Self-Attention的时间复杂度如何优化？项目深挖：如何解决模型过拟合问题？实际项目中如何选择评估指标？是否尝试过模型蒸馏/量化？效果如何？场景题：若用户反馈推荐系统效果下降，如何定位问题？设计一个金融风控模型，需考虑哪些特征和业务约束？3. 算法题准备建议刷题重点：动态规划（背包问题、字符串编辑距离）、树/图遍历（DFS/BFS）、Top K问题。例题参考：LeetCode 215（数组第K大元素）LeetCode 239（滑动窗口最大值）4. 行为面试技巧必问题：“遇到技术难题如何解决？” → STAR法则回答（情境-任务-行动-结果）。“团队合作出现分歧如何处理？” → 强调沟通优先级与数据驱动决策。反问环节：可问团队技术栈、业务发展方向，体现主动性。🚀 招商银行第9季数字金融训练营：AI工程师的黄金跳板！🔥 核心亮点抢先看零门槛福利：包吃住+报销路费，全程无开销！直通Offer：表现优异者直接拿2026校招提前批Offer，特别优秀者获PLUS Offer（薪资/职级加成）。实战为王：依托招行真实业务场景，接触亿级用户数据与金融级AI模型。📌 赛道选择建议AI工程师赛道：熟悉大模型、多模态技术者优先，可挑战模型调优、工程化部署等任务。AI数据科学家赛道：需精通Python/SQL、统计建模，侧重风控/营销数据分析。AI产品经理赛道：考察需求分析、原型设计能力，金融场景创新是加分项。⏰ 关键时间节点截止时间：2025年4月24日工作地点：深圳（总行资源倾斜，技术氛围浓厚）🎯 内推专属通道立即报名抢占席位 👉 招商银行训练营内推链接请戳这里https://cmb-recruitment-mobile.paas.cmbchina.com/positionDetail/school?publishId=19237290-CFB7-4176-A91C-444831ECCD4F&qrCodeId=599C6E39-A7DD-4620-AC1A-30F1D63BA322&recruitmentTypeId=670980EA-30B6-455A-93C2-5CD5258B8A36💡 面试备战Tips技术复盘：针对简历项目准备3个以上优化延伸问题（如模型瓶颈、AB实验设计）。行业洞察：提前研究招行“金融科技”战略（如掌上生活App智能推荐），面试可结合业务谈技术方案。模拟面试：找伙伴Mock系统设计题，练习白板绘图与模块化拆解思维。🌟 训练营与面试双重助力，提前锁定大厂Offer！立即行动，用实战经验碾压面试考场 👊（训练营详情可以留言探讨哦~）

1.自我介绍2.随便讲了下项目，讲了下遇到的困难怎么解决3.又讲了下lgbm，深度问了下原理，问得很细4.就聊了20多分钟项目，然后写题：字符串中合法ip地址，之前没做过，边界条件太难受了，有一些案例没有正确输出，力扣和网上好像也没原题已经在评估中了！希望有好运气吧