面经补充～ 6.3号发起内推 下周一6.7号开始一面， 1.有哪些位置向量 transformer的三角函数，bert的训练位置编码，nezha的绝对位置编码。 2.cnn，rnn，transformer的区别及优势 3.文本数据的特点，那些信息很重要 文本数据具有以下特点： 1⃣️是一维时序数据， 2⃣️不定长 3⃣️长时依赖。 4⃣️相对位置很重要，我欠你钱/你欠我钱。相对位置不同，表达的语义差异很大。 4.项目涉及到知识蒸馏和tensorrt加速。知道哪些模型加速的方法？ 蒸馏，剪枝，量化，推理引擎加速。矩阵分解 5.tensorrt加速原理及在nlp上的效果 网络层合并，减少每层cuda算子启动及网络层输入输出的时间开销。 参数量化 在bert分类任务上，提速5-7倍。 6.简历有个ner相关任务，是否了解包含实体信息数据预训练的bert。 不了解，后面去查了下，有些论文设计预训练任务让Bert学习知识图谱中的知识。 7.多任务学习，具体问啥忘记了 还有许多记不清了，面了一个小时左右 后面补了一个上机面试 一面整体感觉面的挺好的，面试官也很nice，很有耐心 二面 一面完第二天约了第二天二面 主要问了目前工作的流程，很看重业务理解能力 1.如何发现业务问题，如何推动，说服产品 2.时序特征如何提取 3.除了nlp相关的，了解哪些模型，感觉是想看你算法广度 4.常用哪些python包 5.在目前公司的绩效， 6.打这么多天池比赛，是不是工作强度不够。这点特意解释了下，参加的比赛都是和公司项目很相近的，一方面，想测试我们方案的水平，另一方面，想其他参赛人员学习。 7.团队不是纯nlp，nlp只占其中一部分，是否介意。 二面业务部分回答得不好，特别是怎么说服产品，我目前公司很少需要主动去游说产品的。 三面 二面完第二天约了当天的交叉面 交叉面是别小组的技术，不是算法。但经常跟算法打交道。主要问了如何进行任务的迭代优化，问得很细，时不时会问为什么不这么做？怎么看待算法研究和算法应用。职业规划是什么。还有还多当时没记，也是面了一个小时。交叉面面试官很和蔼，聊了几句就不那么紧张了，整体面的挺开心的。 hr面 本来以为还有一个bu boss面，但隔了两天直接收到hr技术面通过电话，约了几天后的hr面。 hr就面了大概20多分钟，也是问职业规划，如何推动业务，估计是看了面评这块欠缺。然后就问你有什么问题。 hr上午面完，下午收到电话offer，然后隔天收到薪资定级确认电话。后面就安排了体检背调，收到了电子offer 整体流程20多天，找人内推的流程快了好多。祝大家也早日收到心仪offer