字节跳动TAC 广告算法 一面凉经

从3.8号开始投简历，整个3月只零星收到几场面试，而且前几场都面挂了，整个人就陷入了很大的焦虑中。不过从清明之后面试就多了起来，基本上每天都有两到三场面试，面试通过率也增加了很多。整体面下来的感受就是，一定要对简历上的内容了如指掌。一是要能完整的讲清楚自己做的工作，二是能经得起问。手撕基本上把hot100刷个两三遍就能应对大部分的面试了。算法八股基本上没被问过，主要还是问简历。附一个timelineOC：小红书多模态：3.26投递，3.28一面，4.7二面，二面完当天oc高德大模型：3.24投递，4.3一面，4.10二面，4.14oc京东风控：3.9投递，4.7一面，4.9二面，4.14三面，4.16octemu搜推：3.16投递，3.29一面，4.2二面，4.11三面，4.18hr面，现在还在排序。微信搜索：4.10一面，4.14二面，4.21面委会面，4.23hr面，4.27oc。二面挂：微信安全：3.8投递，3.20一面，3.25二面，半小时秒挂。阿里达摩院：3.24投递，4.7一面，4.14二面，第二天挂一面挂：抖音搜索、剪映推荐、阿里云（连挂三轮）、淘天、快手大模型主动结束流程的：作业帮：4.1一面，4.9二面黑翼资产：4.2一面，4.9二面百度智能云：4.3一面，4.25二面快手广告：4.8一面，4.25二面，当天面试官加微信问意向，wxg oc后拒优酷：4.15一面，4.21二面字节风控：4.15一面，4.21二面，4.23三面，4.28hr面泡简历：b站、oppo、蚂蚁、饿了么、虾皮

4.21 投简历4.23 约后天一面4.25 一面无手撕，上来先拷打论文，其中有个地方用了rag，面试官问我这里是怎么把文本转换成向量储存的。(我以为是问我工程上的实现，这是去年做的一个小模块，回忆了半天细节，答得支支吾吾，面完了之后结合下一个问我才意识到其实是问我embedding过程)看我支支吾吾就直接问transformer是怎么把token处理成向量的。transformer的self-attention和cross self-attention区别在哪里。pre-norm和post-norm的区别？进一步，为什么现在主流大模型都用post-norm。lora的实现过程。大模型用的Lo...

自我介绍算法题树的最大宽度项目穿插八股项目具体细节量化的不同方式ZeRO 训练的方式多进程计算，为什么不用多线程，有什么区别反问

一、简单题：数组操作（枚举）二、中等题：图像聚类（PCA、K-means）三、困难题：小红的字符串构造（贪心）