【腾讯】IEG-技术安全
腾讯
投递2024-02-28
- 技术研究-自然语言处理方向
一面2024-03-15
被IEG，技术安全捞。 1个小时。 （腾讯会议） （面试官没开摄像头）
- 安全技术？（面试官解释这个岗位偏向结构化数据 + 算法）
- 做题。是用深度优先遍历的方法做即可。只需要过一个样例1。
给定一个候选人编号的集合 candidates 和一个目标数 target，
找出 candidates 中所有可以使数字和为 target 的组合。
candidates 中的每个数字在每个组合中只能使用 一次 。
注意：解集不能包含重复的组合。
示例 1:
输入: candidates = [10,1,2,7,6,1,5], target = 8,
输出:
[
[1,1,6],
[1,2,5],
[1,7],
[2,6]
]
示例 2:
输入: candidates = [2,5,2,1,2], target = 5,
输出:
[
[1,2,2],
[5]
]
提示:
1 <= candidates.length <= 100
1 <= candidates[i] <= 50
1 <= target <= 30
- 之前有打过ACM算法吗？
- 项目1介绍。有哪些图的方法你用到的。
- 如果有大规模的图数据，并且不断更新，你应该如何做？
- DeepWalk的弊端？为什么大家现在都不用这种形式了？
- K-Means和K-Means++的区别？
- NLP里面数据增强有哪些方法？（其中提到了对比学习的一个）
- 讲一下你对 对比学习 的了解。（SimCLR、MoCo）
- SimCLR里面对比学习的loss是怎么计算的？（步骤）
- 给你一个带标签的一个batch的数据，应该如何做比对学习？
- 树模型：树节点如何分裂？（信息增益）
- 了解XGBoost和LightGBM吗？
- 有打过什么竞赛吗？
- Transformer如何解释？（注意力矩阵）
- Self-attention需要缩放吗？（缩放点积注意力）
- 位置编码了解吗？传统的位置编码是怎么做的？（正余弦编码）
- 你玩过什么游戏？（王者）
- 王者最高段位？
- 场景题：假设王者里面你需要检测送人头的行为。然后已经有一个分析方法是先得到一帧帧的向量，再经过Transformer得到了一些结果。你觉得这个方法还有哪些优化的空间？（先验知识、复杂度、大模型）
- 你觉得目前（CV）最常用（有效）的预训练方法是哪些？（掩码预测）
闲聊时间：
- offer情况？
- 你觉得秋招没有拿到大厂offer的原因是什么？
- 对自己的项目没有自信。（怎么看出来的？）自己介绍项目不够清楚，讲很久才明白。（数据确实复杂啊QAQ）
- 简历不够清晰，不清楚你使用到的技术。
- 要多写大家感兴趣的东西进去。
- 有些同学会包装简历，有些不太会。
- 流程。组员+组长+主管+经理（不一定）+HR
二面2024-03-22
38分钟（电话面）
- 做算法一定要CV或NLP吗？机器学习、深度学习你比较想做哪一个？
- 机器学习方面了解多少？树模型了解如何？随机森林、GBDT、XGBoost、LightGBM了解如何？
- XGBoost为什么效果会好一些？（二阶导数）XGBoost用了哪些正则化的技术？（叶子个数、树深度）
- 机器学习做过哪些预处理？构建哪些特征？（讲了个时间序列的例子）
- 实习情况？
- 你觉得（某个项目的）效果如何？还可以怎么改进？
- 图模型和Transformer有哪些区别？
- 深度学习方面了解哪一些？（基础的都了解，ResNet、DenseNet、SENet等）
- 数据增强有哪一些方式？如果是表格数据呢？（高斯噪声）
- 过拟合和欠拟合如何处理？
- 样本不均衡的情况如何处理？（上采样、下采样）
- LSTM、CNN、Transformer有哪些缺点和优点？什么情况用哪些模型？（RNN发展历史吟唱）
- NLP了解哪一些？Transformer之后的一些模型了解吗？（BERT、GPT等）
- 如何使用BERT做句子分类？（冻住参数，然后微调分类头？）
- 大模型了解如何？（大模型结构、参数高效微调）
- （讲了一个ChatGLM2 6B 微调的例子）
- LoRA和P-Tuning有什么不同？
- 为什么P-Tuning在前面加上可学习的token能够有效？
- 了解IEG吗？玩过哪些游戏？
- 王者段位？
- 对王者有什么意见？
- 你觉得王者在哪方面做的比较好？
- 有没有在游戏里面碰到外挂等异常行为？
- 射击类游戏你玩吗？（FPS苦手）
- 场景题：假如某位玩家有开了透视挂，你觉得他有哪些异常行为？我们可以提取哪些特征来做？（没想到。面试官提示：假设你是百里守约）
- 反问：什么业务？（手游反作弊，腾讯所有游戏都有，包括但不限于王者荣耀、刺激战场和之后的DNF手游等）
- 反问：偏向CV？（不，获取用户画面时不合规的，我们都是结构化数据）
面试官：总结，反馈给老大评估
#腾讯##复盘面经#2024秋招 文章被收录于专栏
谨纪念我从2023-08-22以来长约半年的校招历程
查看16道真题和解析