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

选择一家技术强、口碑好的公司，对你的成长和后续发展至关重要。今天梳理下不同算法方向的头部公司，帮助同学更有针对性地投递。AIGC算法图像与视频生成是当前热点。这个领域的第一梯队包括阿里的通义实验室、阿里妈妈，以及字节的智能创作团队。此外，淘宝、快手的可灵、美图等公司也在AIGC应用上投入很大，有不错的实践场景。多模态算法多模态技术基本被大厂主导。阿里通义实验室、字节、淘天、华为、百度、科大讯飞、商汤等公司都有扎实的布局。选择时建议关注各家的开源项目和实际落地产品。大语言模型LLM领域竞争激烈。以DeepSeek、百度文心、阿里通义、字节豆包为代表的互联网大厂是第一梯队。同时，月之暗面、昆仑万维、智谱AI等专注AI的公司在技术和创新上也有很强的实力。CV与自动驾驶计算机视觉方向，百度、商汤、滴滴、华为等公司有深厚的积累。自动驾驶则更集中在百度、滴滴、华为及各大车企的智能驾驶部门。选择公司时，不仅要看技术实力，还要结合业务前景和团队氛围。有时候，一个正在快速成长的业务，比一个已经成熟的方向更能给人成长空间。更多干货请看我🐷页AIGC

如题，楼主计算机专业研三。由于导师 push 得比较紧，最近才有空开始找工作。研究生阶段的研究方向比较小众，虽然也有对口的工作但是还是太少了，所以想转测开或者算法（纯前后端我是真的不想搞了）。但现在算法岗基本都是大模型相关，说实话感觉和自己的研究方向也不契合，感觉不是很稳。现在最纠结的是两条路：- 直接走校招投对口岗位：但很多基础知识和八股都忘得差不多了，怕投了直接寄，再拖一段时间的话就怕没有HC- 转方向先找实习：感觉实习→春招/转正可能更稳一点，但又很担心时间会不会来不及，怕最后两头都没赶上还请大家帮忙分析一下

最近大模型带火了算法岗，很多同学纠结该选算法还是开发。今天站在中立角度聊聊这两个方向，希望帮你找到最适合自己的路。开发的优势:1.学习氛围好：实验室里大部分同学都走开发方向，遇到问题可以互相交流，信息互通有无。算法学习往往需要独自钻研，这种支持系统对校招很重要2.岗位机会多：开发的招聘名额远多于算法，这是不争的事实3.竞争相对温和：虽然应聘人数多，但竞争者水平参差不齐。只要你踏实学习、认真实习，拿到大厂offer并不需要顶尖天赋4.薪资可观：虽然上限不如算法，但开发岗的SSPoffer性价比很高，且获得难度相对较低5.职业稳定性：开发工作成果更容易量化，只要认真完成需求，绩效通常不会差。算法可能一年都没有明显产出，容易产生焦虑算法的优势:1.薪资更具吸引力：随着大模型风口，算法薪资水涨船高，与开发的差距逐渐拉大2.学习成本较低：不需要深入掌握计算机网络、操作系统等底层知识，对非科班同学更友好3.处于技术风口：大模型热潮带来更多岗位机会，虽然总量仍不及开发，但未来AI领域会持续扩张4.与科研衔接顺畅：研究生期间的算法研究虽然与工业界有差距，但底层逻辑相通，不会浪费三年积累5.工作模式更自由：算法工作重视创新思维，不是靠堆时间就能出成果。而且通常不需要处理线上紧急事故，工作节奏相对稳定选择的关键不是哪个更好，而是哪个更适合你。校招的同学建议有侧重的同时也可多方向投递，毕竟现在竞争比较激烈。更多学习干货请看我主页。开发岗 大厂求职

一图说明今年算法人人人人人人多，岗位少。

【团队介绍】我们是美团配送算法团队，2023年Franz Edelman奖得主。我们致力于用技术连接美好生活，每天将上亿订单配送到用户手中，解决业界独一无二的超大规模、超高复杂度的实时决策挑战。团队核心成员来自清华、北大、中科院等全球顶尖学府，在NeurIPS、KDD等AI顶会发表论文数十篇。我们不仅解决当下效率与体验的平衡难题，更积极探索生成式AI等前沿技术，重塑配送的未来范式。【岗位职责】1.深入业务，通过数据洞察分析，定位算法策略优化点，设计并推动策略升级，直接提升用户与骑手体验。2.探索大模型（LLM）在时空数据挖掘、表征学习及多目标决策中的应用，研发新一代算法技术范式，突破现有能力天花板。【任职要求】1.计算机、统计学、运筹学、人工智能等相关专业，本科高年级、硕博研究生在读。2.积极主动，责任心强，对利用AI技术解决实际复杂问题有强烈的好奇心和热情。3.具备良好的沟通能力和团队协作精神。4.有大数据处理、机器学习/深度学习项目经验，或相关领域论文发表者优先。5.每周实习至少3天，实习期至少为3个月，可长期实习者优先。【你将获得】1.有竞争力的回报：行业领先的实习薪资，为非北京同学提供住房补贴。2.顶尖的成长加速：由团队大牛导师指导，深入掌握工业级大数据处理与AI模型构建优化全流程，优秀的技术创新有机会转化为顶级会议论文。3.卓越的团队氛围：加入一个纯粹、开放、互助的技术团队，你将轻松结识一群志同道合、能力出众的伙伴，在切磋琢磨中共同成长。4.巨大的影响力：你的代码和算法将直接服务于全国数百万商家、骑手及亿万用户，创造真切的社会价值。 我们期待充满热情和创造力的你，与我们一同，用算法定义即时配送的未来！

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

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