03-30 22:35 门头沟学院 算法工程师
关注
字节搜推算法一面 被拷打麻了
给我面没招了，发点面经攒攒人品～
1.项目拷打
2.样本如果都不一致了，降噪剔除后的离线 AUC 到底是怎么算出来的？
3.讲讲长短序列建模的落地方案？
4.做 SIM 过滤时，类目到底是用 Target 还是用户预估的？
5.你们重排只用了 MMR 吗？有没有试过更复杂的方法？
6.怎么衡量 MMR 的相似度？为什么不用 BERT 这种纯语义模型去提 Embedding？
7.打散通常会提升多样性体验，但你们测试下来人均 IPV（点击量）反而降了，怎么解释这种现象？
8.详解 Transformer 里的 Multi-head Attention 机制？为什么要用多头？
9.训练时发生梯度消失或者梯度爆炸，怎么排查？怎么解决？
10.详细对比 Batch Norm 和 Layer Norm？（LN 主要是特征维度归一化，Transformer 必考，我这里答得有点磕巴，大家一定要记牢）
11.做完全均匀的随机负采样，对整体 AUC 的期望会有影响吗？为什么？
12.了解大模型的 Scaling Law（缩放定律）吗？
最后两道手撕：
最大子数组和（LC 53）
无重复数组的全排列（LC 46）
1.项目拷打
2.样本如果都不一致了，降噪剔除后的离线 AUC 到底是怎么算出来的？
3.讲讲长短序列建模的落地方案？
4.做 SIM 过滤时，类目到底是用 Target 还是用户预估的？
5.你们重排只用了 MMR 吗？有没有试过更复杂的方法？
6.怎么衡量 MMR 的相似度？为什么不用 BERT 这种纯语义模型去提 Embedding？
7.打散通常会提升多样性体验，但你们测试下来人均 IPV（点击量）反而降了，怎么解释这种现象？
8.详解 Transformer 里的 Multi-head Attention 机制？为什么要用多头？
9.训练时发生梯度消失或者梯度爆炸，怎么排查？怎么解决？
10.详细对比 Batch Norm 和 Layer Norm？（LN 主要是特征维度归一化，Transformer 必考，我这里答得有点磕巴，大家一定要记牢）
11.做完全均匀的随机负采样，对整体 AUC 的期望会有影响吗？为什么？
12.了解大模型的 Scaling Law（缩放定律）吗？
最后两道手撕：
最大子数组和（LC 53）
无重复数组的全排列（LC 46）
全部评论
相关推荐
不愿透露姓名的神秘牛友
04-19 12:47
查看11道真题和解析 点赞 评论 收藏
分享
查看5道真题和解析 点赞 评论 收藏
分享
查看8道真题和解析 点赞 评论 收藏
分享