太平洋寿险科技赋能中心

之前只看别人面过四轮面试，没想到自己也遇上了，甚至公司的 CTO CEO 也亲自来面试了，不知道是公司业务太少还是说太看重员工的质量

有很多想说的，还是咽下去了，还是咏诗一首送给诸位罢......臣本机米，躬耕于南北绿豆之野，混迹于哈基米大地。苟全喵命于粮荒，不求闻达于饭盆。先帝不以臣卑鄙，猥自枉屈，三顾臣于绿豆堆中，咨臣以捕鼠之事。由是感激，遂许先帝以驱夜鼠。今北伐未竟，粮罐将空，臣已油尽灯枯。喵爪渐软，再不能临阵哈人；喵眼昏花，再不能关乎哈市兴衰。悠悠苍天，何薄于米！愿陛下此后，亲理猫砂，勿使秽气满室；善存猫粮，莫教饿殍遍阶。若逢新喵入户，望念臣旧情，多分一勺罐头——臣虽去，魂仍绕榻，必护陛下餐餐有鱼，夜夜安睡。临表啮纸，爪痕泣血，不知所云。

- 实习项目解决了什么问题？- 生成式项目的应用场景是什么样的，后续还要经过粗排吗？- 生成式模型怎么评估离线效果和在线效果？- 有没有看过生成式模型的冷启动性能？- 有没有看过生成物品与用户历史点击序列的相关性？这个生成的物品有没有含义？ - 了解哪些召回的负采样策略？- 召回的随机采样和batch内采样有什么优劣？能不能只用batch内采样，不用随机采样？- 粗排和精排有没有SSB问题？- 精排需要补充未曝光样本作为负样本吗？答：实践表明一般不需要处理，没有明显的效果提升。- 对于一个MLP模型如何评估特征的重要性？是否了解gate方法，如senet和masknet网络？- 在推荐场景下，...