某游戏厂二面面试官还挺好的

先介绍实习和项目，然后问了下之后的职业发展规划。决定之后约线下二面，仔细聊聊实习项目和八股。更新，已挂。

一.内存管理硬件结构CPU拥有VA进行访问，通过MMU进行VA->PA的转换，TLB是MMU的一部分，是地址转换的缓存。TLB miss之后会去找主存里的页表。一旦获取PA之后，PA以及其对应的数据会放到cache（L1 L2），都找不到也会去找主存。swap是把主存中暂时不用的数据交换到磁盘里面。缓存内容地址映射（虚拟→物理）数据块（指令或数据）归属模块MMU（内存管理单元）存储器层次结构输入类型虚拟地址物理地址（通常）性能目标减少地址转换延迟减少数据访问延迟二. 内存管理总览可以按照从上往下的顺序，也就是从用户空间分配，到内核空间，再到硬件层面的实现user用户进程：应用程序通过内存...

面的是字节的国际电商部门感觉是卷中卷了被狠狠拷打了😭面试问题：- 解释一下ROC曲线与PR曲线的关系、ROC曲线与PR曲线的适用场景- 介绍一下贝叶斯定理（贝叶斯公式和全概率公式）- 考了一个概率题：已知一个随机发生器，生成 0 的概率为  p ，生成 1 的概率为  1 - p 。请构造一个新的随机发生器，使其生成 0 和 1 的概率均为 1/2。- （针对简历提问）了解矩阵分解吗 MF、LFM吗- 训练模型的时候，怎么才能知道模型是不是过拟合了？除了看训练集和测试集的准确率，还有哪些方法可以防止过拟合？比如正则化、交叉验证这些，能不能展开讲讲怎么用？- 推荐系统里老听到CTR预估和序列推荐模型，讲讲这些模型是干啥的？比如DIN、DIEN这些CTR模型是怎么捕捉用户兴趣的？还有GRU4Rec、Caser这些序列模型是怎么处理用户行为序列的？它们各自解决了什么问题？代码题：- 给定整数数组 nums，求最大和的连续子数组，并返回该最大和。（最大子数组和LeetCode53）- 手写一个二分类交叉熵bce，使用np（只把bce的公式写出来了，然后拷打怎么计算梯度，最好熟悉一下二分类梯度怎么回传的，被拷打到了这里）一面一般是组内员工，平时比较忙，这场面试约在的中午11点，所以如果能够把你的项目介绍得详细一点，就容易不让面试官问太多问题，一般我大概是2-3min自我介绍，然后再10min介绍一个项目（2-3个项目说完差不多就去一大半面试时间了），然后最后面试官不是主动型+忙着去吃饭，就会问些常见的面经，然后碰巧见过的爆率很高，然后直接吟唱。这里拷打了概率类型的问题，印象里至少有4/32次面试提到了类似的概率场景题目，建议也是稍微复习一下，至少看看基础的内容。国际电商（tiktok）据说晋升不错（同时也卷），毕竟是出海业务，但是是真的难进（听说很多清北大佬都挂了），不太懂想要招什么人（岗位名额实在太少）

3.24投递4.7笔试4.12一面4.16二面4.22三面4.29hr面5.6官网显示流程终止，期望薪资倒没有很高，可能是已经有offer了或者感觉待不长吧