26秋招百度推荐算法一面

1.实习介绍
2.简历拷打

3.除了MMOE还用过其他的方案吗？cgc或者ple有尝试过吗？
4.如何解决mmoe输出特征一样，专家的参数最终会趋于一致的现象？
在网络参数随机初始化的情况下，不会发生问题中提到的问题。核心原因在于数据存在multi-view，只要每一个expert网络参数初始化是不一样的，就会导致每一个expert学到数据中不同的view。

5.多任务loss调整中回归损失会主导训练任务是怎么处理的？
在我的场景中是采用包序累积多分类替代了回归，也可以通过映射label上界或者禁止回传的方法，都试过。

6.transformer的参数量是多少？
层数（L）：Encoder/Decoder 的堆叠层数
注意力头数（H）：多头注意力 的并行任务数
隐藏层大小（D）：特征向量的维度
序列长度（T）：
输入/输出的最大 token 数 公式：总参数量 ≈ L×(4D^2+2D×H×T)

7.介绍一下encoder和decoder？
Encoder（编码器）作用：将输入序列（如文本）转换为上下文相关的表示向量。
Decoder（解码器）作用：根据编码器输出生成目标序列（如翻译或回答）。

8.在你场景中用的是二阶段的训练如何调整成一阶段的？

代码 给一个整数数组a，对a中的相邻整数进行浮点除法，如a=[2,3,4]，即为2/3/4 在任意位置添加任意数目的括号，来改变算数的优先级，使得值最大，输出表达式