腾讯WXG推荐算法二面分享 1h

给我面没招了，感觉自己好菜、面试很难，还是要多多练习
1. 实习拷打
2. 项目拷打
​2.1 介绍项目
​2.2 特征工程与业务理解相关，这么做的动机
​2.3 模型里是怎么实现自动特征交叉的？
​2.4 特征分组的技巧是什么？有没有尝试过完全不分组或随机分组？做过哪些实验，效果如何？
​2.5 为什么这种架构可以提升MFU？
​2.6 超长序列建模具体怎么做的？这种方案的区别和优势在哪里？信息被压缩的程度有什么不同？
​2.7 假如你要引入向量索引系统，在线 serving 服务要做什么改造？应该放在什么模块里？
​2.8 在线链路中，这个模块应该放在哪个环节？特征生产，快照流转的完整架构是怎样的？
​2.9 样本和线上实时特征如何保持一致？
​2.10 OneTrans把序列和非序列特征放在一起组织，不同行为特征是怎么组织的？
​2.11 原论文有没有提到其他组织方式？
​2.12 OneTrans的金字塔结构具体怎么做？为什么要这么设计？
​2.13 attention机制为什么随着序列变长耗时增加很快？时间复杂度是什么关系？
​2.14 如果要优化性能，你会做什么样的优化？
​2.15 模型推理优化除了传统算子，还会用什么样的架构或加速手段？
​2.16 多任务学习中的负迁移/跷跷板问题怎么解决？
​2.17  特征重要性是怎么评估的？
​2.18 除了mask特征的方式，还有什么方案可以建模特征重要性？
​2.19 如果通过特征加gate的方式学习特征重要性，你会怎么设计？
3. 手撕代码：两两反转链表