快手直播推荐算法日常实习一面

code模式：要求写一下核心代码，不要求运行
1.合并有序数组（双指针）
2.搜索插入位置（二分）

1.介绍一下实习过程的整个推荐的链路设置

2.分析一下din的attention和transformer的注意力机制有什么不同，如果要引入transfomer的注意力机制，你会怎么做？

3.在线推理的时延是多少，有没有办法减低时延？

4.实习的模型更新的时期是按天为单位还是按小时为单位？如果线上用户点击产生了一条正样本，模型如何做出反应来学习这个行为？

5.ESMM模型后面的论文了不了解？

6.介绍一下ESM^2​，有没有读过原论文？深挖

7.DeepFM的FM侧是如何计算的？时间复杂度是多少？现场推导一下数学公式

8.哪些特征会来拿做embedding？id类特征会拿来做embedding吗？你觉得是日活千万会产生硬编码吗？为什么？

9.dense类的特征可以拿来做embedding吗？怎么做？你觉得这个效果是语义空间产生的还是参数量产生的？分桶怎么做？

10.解释一下梯度消失？处理策略？

11.手撕一下多头注意力，询问其变体和设计的思路，以及添加策略