百度语音技术部识别组提前批一面凉经

没开视频

1.自我介绍

2.问简历第一个实习：

讲清楚用的模型和每个模块的输入输出和维度变化？

实习项目用到的损失函数SI-SDR，公式怎么写，为什么不用MSE，和MSE有什么优劣？

模型结构中有膨胀卷积，膨胀卷积和普通卷积区别，感受野怎么变化，优势是什么，为什么用？

工作的难点在哪里？

3.问了第二个项目

对生成模型的理解，为什么用vae+diffusion的结构来做降噪？

问我DiT和Flow Matching的区别？有点疑惑，感觉不大能比，和他说两者不同,一个是模型结构，一个是训练策略，然后说了DDPM,DDIM和Flow Matching。

4.手撕

topK, 用循环直接写了，O(KN)复杂度，后来想应该用最小堆或者快排的..... 不会是这个原因挂我的吧，那你倒是让我优化下啊，感觉前面问简历答的都挺好的。

5.反问

团队方向：语音识别、语音合成和语音增强都有干，不缺人，校招是为了技术储备，目前打算做多人的长文本语音合成。

能力要求：扎实的代码能力基础外，团队非常看重解决问题的能力，尤其是将复杂问题拆解为简单可执行步骤的能力。

最近关注什么技术，在看什么论文：没回答我，把业务复述了一遍

不知道过了几天，今天看变成共享中了