搜广推

目前研一,双九控制。数开方面，刚刚学完hadoop,hive,spark,做了一个尚硅谷电商v6的项目，感觉有点无聊这东西，（不过组里不少人毕业做这个了）搜广推方面，我觉得可能比数开有意思些，看过机器学习西瓜书，李宏毅的ml2022,有一定的机器学习深度学习基础。比较犹豫将来到底做什么#

前言最近这段时间，2026届的各位佬们应该差不多都暑期实习入职了期待大家都能在秋招取得好的结果没有找到满意暑期实习的也别气馁，感觉最近秋招提前批应该快开始了，如果实在来不及了，可以先准备秋招提前批了~话说回来，其实我是一位2025届的学生，两年半学制，一月份毕业，目前校招已经入职快半年，马上面临转正了。大家可以从我的主页看到，去年暑期实习和秋招，我其实都更新了很多很多面经。秋招结束后，牛客这边基本就没有再经营了，也没有新的产出，这是因为我已经搬到了别的平台，目前所有平台都在另一边更新（可能很多人已经刷到过）某天打开牛客（很久没打开了）发现私信有几十条，问题都差不太多，无非就是选offer、问学...

📍面试公司：京东零售-平台与产品研发中心💻面试岗位：算法工程师-机器学习❓面试问题：1.项目介绍；2.交叉熵损失的推导（贝叶斯）与理解；3.L1、L2范数的假设分布是什么；4.GBDT中的梯度有何意义，与XGBDTboost的区别是什么；5.梯度爆炸/消失的原因以及缓解方式，以及激活函数对其的影响（尤其是梯度消失的原因 反向传播 激活函数）；6.介绍attention机制、attention的时间复杂度是多少（QKV矩阵计算时间复杂度）；7.介绍DQN（各种DQN变种的意义）；8.介绍ESMM（为什么能缓解数据分布不均/稀疏）；9.手撕快排（空间复杂度有要求）🙌面试感想：被拷打烂了

别的公司都是纠着实习项目问，穿插一点点八股就没了，字节拷打得还是太全面了。首先就是挖实习项目，穿插些八股有哪些解决回归问题的方法？其他视频时长建模方法？MSE前提一定是要满足正态分布吗，感觉你说的不太对（??）长尾数据分布，多峰分布怎么应对？梯度消失怎么解决？激活函数，吟唱优化器，SGD,SGDM,RMSProp,Adam，吟唱回归的评价指标有哪些？ROC，AUC含义？到这里还凑合，后面开始问起计算机基础了，完全没准备，尴尬（不过其实确实很基础，但有的讲不清了）深拷贝浅拷贝区别？进程、线程、协程？TCP三次握手四次挥手？Python反射？回答得很尴尬，然后开始做题：第K大数：侥幸心理调包，写完后被羞辱了：“你要调包还有什么可写的，给我手动实现下最小堆”写了一会，没写出来，说可以换一个，换成了LCR 160.数据流中的中位数一天了没消息，估计是寄了

字节搜广推业务，互联网，优点是HC多，跳槽机会多，涨薪晋升略优于其他，强度10-9-5华为车bu的world model，相比于互联网更稳定，现金激励丰厚，职级略优，强度9-9.5-3+9-6.5-2广州某智驾独角兽企业e2e，月base更高，有股票，强度与字节差不多从方向和未来发展潜力，大伙觉得选哪个？

总共60分钟35分钟项目 5分钟数据结构（排序）10分钟lc 10分钟赛马1. 介绍agent项目2. 不同agent如何协作的3. agent项目的算法工程体现在哪里4. 如果给你一个业务如何搭建agent：用户搜索出来的内容，比如搜出来macbook，排序在第一位，如何设计agent去调用各种知识或者搜索内容去回答用户为什么这个macbook虽然价格高但还是排序在第一位5. 排序有哪些方法，介绍优缺点6. lc 合并有序链表7. 赛马

上来先自我介绍，针对第一个项目项目问了一些业务上的问题：user id的embedding维度如何确定；针对少行为用户，怎么学好他的uid？（被面试官绕进去了，实际不可能学好）多任务学习中如何解决梯度冲突？如何对多种体裁的物料做混排？（实习做的精排模型，对混排了解不深）然后介绍第二个项目，之后面试官话峰一转，开始问八股，我几乎都答不上来：线性回归和SVM的异同；多层感知机的权重都初始化为相同值，会发生什么；哪些模型不用做normalize。暴露出的问题很多，一是对业务上的前沿优化点不够清楚，二是八股掌握得不够深入周末再冲刺冲刺吧

暨秋招总结 由于实习转正的原因，我是在接近九月时才开始投秋招简历的。投简历的时候已经收到了实习部门的意向，因此在秋招面试过程中心态比较稳，面试也相对随意一些（非常感谢实习部门的支持）。现在投递的岗位都已经面试结束，就等着下个月出结果。这段时间也挺纠结的，虽然在网上搜过不少意向部门的情况，但很多具体的组很难找到信息，所以发个帖子把目前的情况做个分析，希望大家帮忙提供一些建议。个人背景：211 本科，985 硕士，实验室做的是系统方向。四川人，但不在成都平原地区，所以回成都的意愿一般，不过如果能回去也很好（虽然最终可能还是会选择二线城市定居，目前暂不考虑长远的落地问题）。由于研究方向的缘故，目前主要使用 C++，投递的岗位几乎都是搜广推架构相关的。目前已有的 offer / 意向：阿里控股（转正） ：公司的搜推架构，属于比较核心的业务优点：组内氛围好，工作与生活平衡非常好（晚七甚至晚六下班）缺点：晋升速度可能稍慢，担心节奏过于养老腾讯 TEG 混元：混元大语言模型部门下的 AI 搜索组优点：可以接触到部分大模型方向，公司也在持续投入这一领域。组内氛围应该也很好，面试的面试官很好缺点：不是纯算法岗位；听说工作强度较高，氛围可能偏卷。虽然能接受一定强度，但仍然关心团队氛围和发展前景字节国际化：具体组暂不确定。部门是 global ads infra，做的是 TikTok 广告相关的架构优点：部门属于核心业务，晋升可能相对较快（猜测）缺点：听说工作强度较大，而且具体做什么不清楚，担心偏上层或打杂。我个人希望能更偏底层一些此外，还有一个宽德投资的交易系统开发岗位，目前已面试到主管面，但还没出结果，暂且不考虑在内。希望大家能帮忙粗略投个票，或者给我一些选择上的建议。如果有对上述岗位了解的朋友，也欢迎交流经验。对我的面试经历或岗位感兴趣的话，也可以私聊我。也欢迎有经验的 uu 或者前辈来交流一下应届生 offer 选择的问题，感激不尽。（之前宽德的主管和我分享的是：看公司的发展以及公司是否能把机会交给新人）

先说下bg：9本华五硕，电子信息专业非科班，C++选手，一段中厂游戏客户端开发，目前在某大厂游戏客户端暑期实习中。虽然目前实习感觉工作压力还能接受，但发现组里太卷了正职都10点多11点下班，有着卷谁下班晚的诡异氛围，于是想不转正，干满三个月就跑路准备秋招。打听了一下游戏行业普遍下班晚，加班多，实习下来感受到需求是做不完的，因此想转方向。目前秋招有几条路，想要找一个9点前能下班的工作：1. 继续找游戏客户端：进入清闲一点的项目组或者外企，但担心整个游戏行业都很卷，怕干一两年被裁或跳槽又去很卷的组2. 找其他C++开发岗：感觉C++开发方向太多了，没有相关项目，不知道该选哪个方向3. 转搜广推算法：打听下来都说算法比开发工作轻松一些，而且搜广推学起来简单一些，但0论文0相关实习秋招能找到大厂搜广推工作吗求求大家给点建议吧！

组内是主站的搜广推业务大概有的小方向如图 想知道走哪块的业务以后对个人职业发展更有利 并且不是dirty work & 就业面更广

目前是大四，211本科班，已经接了港三的ai硕士的offer，然后现在想在读硕士之前找实习（现在到明年开学都是空闲的），硕士是授课的（大概率发不出论文），不知道佬们推荐什么方向，我其实有几个点有点困惑，不知道我这个学历能不能往大模型、搜广推走，还是大概率还是只能走后端开发这样，以及相关的实习难度好不好找，想投过完年的日常实习/暑期实习

岗位是做首页笔记推荐相关的东西，感觉算是比较核心10.21一面：自我介绍研究经历询问，研究主线是什么你的这些论文主要解决了什么问题收益体现在哪里，baseline包括哪些讲一下大模型实习，我以为会问推荐实习的BERT和GPT的区别，都是怎么训练的二者的finetune一般怎么做SFT和RLHF一般各自用在什么场景，各有什么优缺点目前long-context中主流的方法有哪些transformer和lstm+attention相比，主要的改进点是什么对整个推荐系统链路有哪些了解打分样本空间分布与精排不一致（精排对粗排返回的样本做排序，粗排则要对召回的样本打分），相关的解决方案了解吗介绍下推荐实习...

求问各位大佬，我是双非，硕是深圳大学，想找日常实习，做了新闻推荐和OTTO多目标推荐，还在背八股，刷算法题越刷牛客和xhs越绝望，看了一圈感觉都是双9大佬，小卡拉米感觉简历就会被挂。想知道中小厂是不是也很卡bg？我能找到搜广推的实习吗？要不还是现在转测开算了

在实验室干了半年深度学习cv，还是望而却步。想问问佬们，现在能找Java的暑期实习吗（或者暑假的日常实习？）有几个项目但没什么含金量（外卖，网盘，系统……），面经得背到什么地步？再就是，想整完这段实习以后尝试转搜广推，不知道时间来不来得及（其实不怎么感兴趣，只是学历够门槛，觉得是不是该冲一冲）佬们怎么看Orz

1. MAP（最大后验概率）和似然函数有什么关系？2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~

🎯 在推荐系统中，通常需要 多目标模型 来同时对 多个目标 进行建模，常见目标如点击率（CTR）、转化率（CVR）、视频播放时长等。📉 模型的 整体损失函数 一般由各子目标损失函数 加权求和得到。因此，合理地调节各个子目标的 权重 ，对于提升 整体效果 具有重要意义。✅ 本期介绍一种适合“说给面试官听的”多任务调节方法，具体方法如图所示。除此之外，还有一些其他可行的方案，感兴趣的同学可以自行查阅相关 资料～

*****