继续来分享下之前的面经~欢迎友好讨论，信息共享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？10. bn训练阶段和测试阶段区别，详细讲讲原理11. dropout原理，训练阶段和测试阶段区别，为什么12. deepwalk和node2vec原理13. 协同过滤讲讲原理14. 推荐多任务模型了解哪些，讲一下esmm15. 手撕交叉熵，二叉树最近祖先

发一下问题给大家参考，攒攒人品！1.mha的作用是什么?2.qkv中attention计算公式3.除以根号d的作用是什么?4.layernorm作用是什么 放在前面后面的区别是什么 前归一化和后归一化的区别5.大模型主流的是什么?rmsnorm，为什么主流的是这个?6.对序列建模，对超长序列的优化手段有什么?7.token压缩的方式?8.长序列训练效率相关的，如何加速？9.训练模型遇到过哪些异常?如何解决?10.碰到nan怎么解决11.梯度消失和梯度爆炸分别如何解决?12.除了梯度异常 还有其他异常吗13.比如过拟合  如何解决14.手撕: 组合总和2

攒人品中，祝大家都能拿到满意的Offer！1• AUC 是什么？它衡量模型的什么能力？和 LogLoss 有什么区别？2• AUC 怎么快速计算？如果不是二分类，AUC 怎么推广？3• 推荐算法了解哪些？召回、粗排、精排、重排分别常用什么方法？4• 协同过滤的基本思想是什么？它的局限性是什么？5• 双塔、DIN、DeepFM、DCN 这几类模型分别适合什么场景？6• CTR / CVR / 时长 / LTV 这几个目标能不能一起做？多目标建模怎么设计？7• 曝光偏置、位置偏置、样本选择偏差在推荐里怎么理解？8• 负采样怎么做？随机负采样和 hard negative 有什么区别？9• 你的时序预测任务里，label 是怎么定义的，预测窗口怎么选？10• 你的提升到底来自哪里？是特征、loss、采样、结构，还是训练策略？11• 训练/验证/测试是怎么按时间切分的，怎么避免时间穿越和数据泄漏？

被横向挂了，希望发出来对大家有帮助！1. 项目拷打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？10. bn训练阶段和测试阶段区别，详细讲讲原理