滴滴搜索算法实习一面

给我面没招了，发点面经攒攒人品～多Agent系统与垂域大模型落地1. 中心化调度的多Agent架构中，子Agent的接口设计与结果回流机制如何保证系统稳定性？2. 纯Prompt实现的Agent范式下，如何设计评测体系以实现自动化的能力判定与迭代闭环？3. 基于外部知识检索的内容生成，为何容易出现信息复述而非独立推理？如何从算法层面解决这一问题？4. 垂域量化指标（风险/情绪类）的建模中，小样本场景下为何选择LoRA微调而非全量微调或Prompt Engineering？5. 垂域LoRA适配时，如何构造高质量监督数据以保证模型输出数值的合理性与一致性？6. 从原型验证到工程化迭代，如何平衡系统效果、推理成本与训练开销？Transformer Encoder 底层原理与训练稳定性1. 完整描述Transformer Encoder的计算流、残差连接与归一化位置设计。2. 写出多头自注意力的完整数学公式，并说明各维度的含义与变化。3. 从概率分布与梯度视角，解释scaled dot-product中除以√dₖ的必要性。4. 对比固定缩放系数与可学习缩放系数在注意力计算中的训练稳定性与表达效率差异。5. 从序列特性、padding影响、梯度传播三个角度，分析NLP中LayerNorm优于BatchNorm的原因。

感觉自己好菜、面试很难，还是要多多练习生成式推荐1.介绍一下 RQVAE 算法，落地过程中遇到了什么问题？（自己做的项目哪来落地，笑）2.第一层 code book 的初始化你是怎么做的？3.code book 的大小和层数你是怎么设计的？4.RQVAE 训练过程中，损失函数的构成？训练中的 loss 曲线、AUC 这类指标大概是什么水平？5.有没有调过码本初始化、相关超参，这些参数调整对模型效果的影响是什么？SFT&GRPO 算法细节提问1.你项目里提到了 SFT 和 GRPO 算法，分别讲一下这两部分你是怎么设计和计算的？2.在推荐任务上，你的 SFT 的 label 是怎么设计的？对应的 loss 函数是怎么设计的？3.详细讲一下 GRPO 算法的核心逻辑？相对于 PPO，核心优化了哪个部分？优化带来的效果是什么样的？PPO 的优势函数，对 GRPO 有影响吗？group 代表了什么？它是想替换原来 PPO 里面优势函数里的什么价值？代码考核 & 专业背景提问1.单词拆分这道题，先说说解题想法，然后写一下代码？2.最长回文子串这道题，简单说一下思路，然后写一下代码？

继续来分享下之前的面经~欢迎友好讨论，信息共享1.项目吟唱2.为什么要使用语义 ID？除了RQ-VAE，你还了解其他的生成语义 ID 的方式吗？VAE 具体是怎么做的？码本你有没有采取过不同的 embedding size？3.强化学习阶段引入 GRPO 算法，详细讲一下推荐算法基础理论提问1.对传统的推荐算法了解哪些？2.召回、粗排、精排、重排全链路，尤其是精排环节，你了解哪些经典的网络结构？3.精排里经常做多目标预测，如果遇到目标之间此消彼长的跷跷板问题，有什么方法可以解决？你了解过拟合的表现是什么吗？4.模型遇到过拟合的时候，该怎么处理？算法代码题提问1.找数组中第 K 大的元素，先讲一下你的解题思路？2.写一下无重复字符的最长子串的解题代码？

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2生成式推荐本质上是在做隐空间到离散iD的映射，你如何证明你生成的 ID 序列保留了用户意图的最优压缩3.比如广告场景下不仅仅是预估 CTR。如果我们将生成式排序引入 GSP拍卖，大模型生成的候选列表概率分布，如何保证满足激励相容性4如果模型生成的排序导致广告主出现竞价上的博弈呢5.在H100集群上跑生成式重排，现在的瓶颈不在计算而在存储带宽。如果分阶段推理，我在Prefill阶段采用了FlashAttention-3，但在 Decoding 阶段因为 KV Cache 导致的Fragmented Memory太严重，怎么办6.推荐系统要求毫秒级响应对于1B规模的排序模型，如果我要做Speculative Decoding，你如何设计那个Draft Model？这个小模型是该学大模型的 Logits 分布，还是该学用户的Embedding聚类7.假设构建一个端到端生成式广告系统。现在面临一个场景：某个新入驻的土豪广告主投放了一批高质量视频，但由于模型对新 ID 的 Semantic Indexing 尚未完全对齐，导致第一波推荐给了错误的人群，产生了极高的 Negative Feedback，生成式模型的自回归特性会不断放大这种“第一印象”，导致该广告主瞬间被屏蔽你如何设计一套Online Counterfactual Correction这种，在不重新训练模型的前提下，通过修改 KV Cache里的隐藏状态来强行挽回这批广告的生命周期9.在短视频重排阶段使用了一个 10B 的生成式模型但是业务反馈说模型在学会了今天最火的某个梗以后，竟然忘记了如何处理用户对“长尾科普视频”的旧兴趣，发生了明显的 Catastrophic Forgetting，设计一种基于 Gradient Orthogonal Projection的优化器，确保模型在更新实时热点知识时，参数更新量在旧知识的Null Space内。10.都知道生成式模型有位置偏差从 Attention Entropy 的角度来看，为什么 $N$ 个候选 Item 在序列中的排列顺序会直接导致 Logits 的非线性漂移