推荐算法

▶️一面 🚤时长约50min1．自我介绍。2．拷打了一下项目和论文。3．为什么多头注意力能提升表达能力？4．为什么要在大模型中使用 RMSNorm ？和 LayerNorm 有什么差异？5．KV Cache 是怎么起作用的？为什么对长上下文推理很关键？6．大模型推理时的加速思路？7．模型微调时遇到过过拟合吗？怎么处理的？8．✨算法题手撕：1️⃣字符串的全排列2️⃣二叉树序列化与反序列化▶️二面🚤时长约40min1．自我介绍，深挖简历。2．深挖项目，针对项目思路不断追问。3．大模型生成内容如何做去重过滤？4．如果词表特别大（10w+ token ), Softmax 加速通常有哪些实现？5．如果要在中文领域做Instruction Tuning ，需要注意哪些数据问题？6．LoRA 和 Prompt Tuning 有何区别，分别适于什么场景？7．反问。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

距离春招开始还有1个月的时间，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~阿里推荐算法一面1. XGBoost只能用于数值的残差估计吗，可否用于特征2. bagging和boosting的区别3. 聊聊自己知道哪些推荐系统的深度学习模型4. MMoE如何保证每个专家的随机性（有共用的专家）5. multi-head attention如何保证每个head的随机性（只有初始化）6. 最长递增子序列7. 如何找到一个数组的中位数阿里算法二面：* 随机森林如何保证每个树的随机性* 假设给你两个链表，如何找到公共节点，只能是Y字型的* 54张扑克牌抽出一红一黑的概率

1、自我介绍2、介绍实习的推荐项目3、推荐系统离线都看什么指标，这些指标有冲突怎么办？4、新item如何做冷启动？5、pointwise, pairwise, listwise区别？为什么精排用pointwise6、推荐和广告有什么区别？6、如何提高推荐的多样性？7、排序模型离线指标和线上效果不一致如何处理？8、推荐上怎么引入搜索的一些相关信息？9、leetcode 56：合并区间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~

-- 现状及意向 --已get多个中大厂核心bg推荐算法/机器学习校招意向，但个人比较倾向腾讯，并争取到了wxg实习offer，遗憾因为校方原因无法去实习和转正，只得放弃。在腾讯其他可外部校招bg中，个人很看好腾讯视频和QQ音乐业务线发展（当然也很怀念鹅厂的工作氛围和福利待遇），如果pcg和tme今年还有算法岗校招需求的话，希望能考虑下我，谢谢~PS：由于今年投递过技术大咖/实习导致简历锁定在wxg（已联系小T帮忙解决），现在无法改投其他bg，希望借助牛客传递下个人情况和意愿，如感兴趣，还请麻烦私聊下邮箱我会发简历过去，辛苦~-- 个人信息概要（这里不打算公开具体信息、怕被定位） --目标职位：机器学习/推荐算法工程师学历：985本 + 清华硕专业：计算机-人工智能方向实习经历：三段大厂实习，其中两段分别在腾讯tme和tegpaper：两篇顶会一作、其中一篇成果在工业界开展落地实验竞赛：十余项专业相关的国家级省级竞赛获奖代码：Leetcode刷题600+，周赛稳定rank500，积分2000+（打得不多，未来预计可稳2200左右）-- 引流（已慎重选择tag，如打扰到无关人士，提前给您道个歉哈） --、、、、、、、、、、、、

时间2024年4月3日 15:00 总计65min1.自我介绍2.本科推荐系统项目（参考一面面经）3.论文4. 讲一讲CTR预估和序列推荐模型- DIN DIEN SIM  Caser GRU4Rec SLiRec CLSR MIND....5. 了解矩阵分解吗- MF、LFM6.LSTM模型介绍，几个门的作用7.transformer模型结构8.自注意力机制的计算复杂度(原始qkv)- O(dn^2)9.二分类任务的损失函数，搓个交叉熵代码10.怎么理解交叉熵- 条件熵，含义可以理解为预测概率分布和真实概率分布之间的差异程度11.优化器optimizer了解吗- 开始吟唱：[BGD、miniBGD、SGD]=>SGDMAdagrad=>RMSProp=>Adam12.一阶动量和二阶动量在Adam公式中的位置13.为什么需要对神经网络进行初始化，全部初始化为相同的值会怎么样- 梯度反传相同=>网络退化14.最长上升子序列：板子题，动态规划O(n^2)，动规+二分O(nlogn)，时间够写了两种解法反问环节：1. 是否和一面面试官一个团队（二面再问团队规模和业务方向有点怪）2. 后续提升方向：聊了很多，感悟也很多，觉得面试官人还怪好的。（虽然本来就只打算套个评价）奇怪的是，面试官问我是没参加秋招吗，我回答说找的是暑期实习。然后面试官说他那边看着是投递的春招的岗位，所以按照这个标准来面的，那没事，我帮你操作一下，变更到暑期实习，方便推进下一步流程。我顿时亚麻呆住了，难怪八股强度这么高，优化器和网络退化都整出来了。==========感觉能过，面得酣畅淋漓，是这么多场面试发挥最好的一场了。希望有三面，我快要撑不下去了，找暑期实习属实磨人。=====更新，当天晚上就约三面了，4.9，不愧是“快”手。

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

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 业界目前针对特征交叉是怎么处理的？2. 你们当前模型的主要网络结构是什么样子的3. 模型的embedding维度是多少？不同特征的embedding维度是否相同？4. 当前的方案有没有考虑使用大模型进行处理？5. 介绍一下不同的召回方式以及召回原理6. 召回的模型是什么样子的7. AUC的概念，计算过程？8. 还有没有其他相似的评估指标，为什么需要其他评估指标9. 训练样本的形式有哪些？分别进行解释10. 代码1: 手撕TSFM11. 代码2: 股票交易，最多两次操作，利益最大值

📍面试公司：快手💻面试岗位：视频推荐❓面试问题：一面:因为没有搜推项目，简单问了几句论文就进入八股环节，面试以来最长最细的机器学习八股卷积和最大池化的梯度是怎么传递的回归用的mse，公式怎么写分类用交叉熵，公式怎么写，具体怎么推导transformer具体结构有什么，为什么要用多头推荐系统相关模型知道吗logistics模型能介绍一下吗sigmoid怎么写，如果能保证sigmoid一直在非饱和区，会不会面临梯度消失或者爆炸有什么方法解决梯度消失或爆炸神经网络归一化怎么做relu怎么写手撕k个升序链表二面:这次论文聊了很久，简单问了一点八股l1和l2正则化的区别，为什么l2不会置零优化器中的自适应学习率怎么用神经网络如果全初始化为0会怎么样，全为0.1呢手撕归并整体体验还是不错的，两个面试官人都很好，不会的地方一直在引导，但是鼠鼠确实毫无搜推基础，太菜了

【1⃣️实习优势】实习机会直接对应秋招HC，等于直接提前锁定秋招offer~！！！【2⃣️内推好处】处理进度快，简历投递后，师兄加微信，随时在线帮催面试官，有问题随时问。【3⃣️团队介绍】我们是淘天自营&近场算法团队，26届春招实习生开启了，欢迎2025年11月1日到2026年10月31日期间毕业的同学。我们是充满活力和专业的自营&近场算法团队，负责天猫超市、天猫国际、淘宝买菜等自营业务和淘宝小时达的算法研发和优化工作。在这里我们深入挖掘用户需求和消费趋势，打造更有价格、质量竞争力的商品供给，我们不仅专注于运用前沿算法技术打造一个智能化、个性化的高效购物体验，而且会深入设计策略机制，实现一个用户、平台、业务多方共赢的高效电商商业模型。【4⃣️岗位说明】主要是算法岗位，核心方向有大模型应用/机器学习/搜索推荐/自然语言处理，扫内推码看岗位详情！！！投起来，期待你们的加入！

春招已经开始一段时间啦，在关注搜广推算法方向的校招/社招/实习同学们，进展不顺利的同学要及时复盘，需要提升项目的同学可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer！！！1. 广告推荐链路的常见模型和评价指标2. 正负样本如何采样3. 用户对于poi的偏好不同，这一点如何建模。比如，点击为0，点赞为1，下单为24. 问resnet，梯度下降推算5. 冷启动的概念6. 为什么用clip7. 了解的召回推荐模型8. 尝试过的foundation9. 手撕：k个一组翻转链表10. 手撕：判断二叉搜索树

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 介绍上一段实习项目2. 收益是由什么带来的，出价提升是否会导致ROI降低3. loss是list-wise还是point-wise（单点预估的话，是不是模板里面广告位多的list loss更大） c. 如何进行校准4. 了解过哪些推荐网络结构5. 介绍youtubeDNN结构6. 介绍熟悉的loss function7. batch normalization和layer normalization的区别8. batch normalization训练和推理阶段的不同9. 有没有了解过多目标多场景任务10. 算法题：寻找最大连通色块，m行n列的矩阵，每一个元素代表一种颜色，寻找颜色相同的最大连通色块所对应的颜色

📍面试公司：wxg的搜推岗❓面试问题：介绍论文，询问论文在搜索推荐里有没有应用介绍各种召回方式介绍粗排和精排的各种模型业务题，做推荐系统手撕最长无重复子串🙌面试感想：鼠鼠没有搜推项目也没经验，一点点推荐相关模型是临时学的，没想到问这么多相关问题。但是面试官人挺好的

春招已经陆陆续续开始啦，在关注搜广推算法方向的校招/社招/实习同学们，可以了解下算法项目辅导，帮助你在简历中增加一个高含金量的对口项目，助你斩获offer~1. 介绍下广告实习相关的工作2. 对整个推荐系统链路有哪些了解3. 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4. 你觉得LLM对做推荐有什么帮助吗5. LLM如何处理用户的历史行为序列6. LLM与推荐结合落地上有什么问题7. LLM想要和推荐结合，有没有什么可落地的方案8. 广告投放一般关注什么指标9. 抖音和小红书的推荐系统你觉得有什么差别，从算法的角度上谈一谈10. 小红书是一次性展出多个笔记，而抖音是刷新出单个视频，你觉得算法上有什么区别11. 算法题1：有n个灯泡，一开始都关闭，执行n轮操作，第k轮将序号为k的倍数的灯的状态反转，请问n轮操作后有几盏灯是亮着的

1、问实习内容，商品量级，召回中相关性分档怎么做的，会不会出现query太不规范不能match到商品，怎么解决？我们的场景是否每个query和item都能匹配到相关性分数？2、精排模型我们用的baseline是什么，怎么用query和行为序列做的target attention，行为序列怎么截断的，最后如何用query打压搜索结果的推荐多样性？3、对搜广推的投放链路了解吗？多任务模型有哪些？分别有什么优缺点？4、有哪些序列建模的方法和模型5、问了sim的详细原理6、说一下gbdt的全部流程，能做分类任务吗，怎么做7、手撕一道中等难度题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~