拼多多社招一面

之前在官网投递的岗位,hr先是电话了解一下情况后约一面。时间很阴间,晚上9点面试,老登还迟到了,也没说啥原因。
简单自我介绍后,就问我做过哪些项目,有没有亮点啥的。吧啦说了一堆后,感觉那哥们不感兴趣,没提问反问或者深挖。客套几句,就开始问离职原因,问这个问了老半天。我就说岗位不匹配,不理想等原因,他可能不太信,就算了。
反手来了一道动态规划题。没做出来,太难了。
反问环节,我问他部门业务,具体涉及哪些技术栈,怎么进行程序代码优化的,那哥们很不耐烦,就说后面有机会再聊。
整个面试流程很水,我感觉他不太懂技术,手撕代码环节,我写的东西他也不太懂,讲的思路也是捡我的话说,然后嘲讽一句这种实现方法确实比较基础。
整体而言,应该是kpi面试,而且是hr部门的人凑业绩拉过来的,很不专业,不懂技术。但是没办法,谁让人家是大厂,晚上下班前随便搞搞,刷刷业绩。
但是思来想去,确实自己也没好好准备,刷题太少了,也没做过比较优秀的项目,写到简历上。也算是涨记性了,好好从这两方面准备准备吧。
#面试题刺客退退退#  #拼多多#  #大厂#  #kpi面#
全部评论
差不多。聊下项目,感觉不感兴趣,做道题吧,做完就你有什么问我的吧,30分钟,懂了。
点赞 回复 分享
发布于 2024-10-17 15:52 广东

相关推荐

【一面】 1)介绍一个最能代表自己的项目2)项目里负责的边界是什么?哪些内容是亲手实现/验证的?3)电商领域预训练数据:低质过滤与去重会怎么做?用哪些简单指标快速判断数据质量?4) Pretrain 和 SFT 分别解决什么问题?5) Transformer 的基本结构怎么理解?6)多模态模型的大致结构是什么(图像编码器+连接层+ LLM )?最容易踩坑的点通常在哪里?7) SFT 数据如何更贴近业务:如何避免过度模板化?如何做基础的 train / test 去重来避免评测失真?8)对齐( RLHF / DPO 等)整体思路是什么:为什么需要偏好对/奖励信号?【二面】1)做过的最有影响力的一件事是什么?具体推动了什么变化?2)训练不稳定怎么排查( loss NaN 、 OOM 、吞吐下降)3) Long Context 常见思路有哪些?在业务里如何做"能看长文本但不太贵"的折中(摘要/分段/滑窗等)?4)如何做一套简单可执行的离线评测集?如何覆盖不同语言与类目?5)多模态场景怎么评估:如何检查"图文一致性/不编造信息"?优先加哪些自动化检查?6) Prompt /模板如何管理:如何版本化、如何回滚、如何避免一次改动导致整体波动?7) 手撕:实现一个最简单的 top - k 采样(给定 logits /概率,取 top - k 后重新归一化采样),并说明边界情况怎么处理。📳对于想求职算法岗的同学,如果想参加高质量项目辅导,提升面试能力,欢迎后台联系。
点赞 评论 收藏
分享
评论
1
3
分享

创作者周榜

更多
正在热议
更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务