抖音算法三面，求佬的面经

1.简单自我介绍2.二分类场景下，给定一个 pred _ score 数组，一个预测值 pc ，问 pc 等于多少时会收敛？3.手撕交叉熵损失4.按照先行后列的方式遍历一个［100,10000］的数组和一个［10000,100］数组哪个更快？5.手撕 transformer encoder + MHA6.给定一个房屋编号数组，给定一个路灯位置数组，要求路灯能照射到所有房屋，问：路灯的最小照射半径为多少？📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.实习介绍2.防止 sft 灾难性遗忘你有哪些方法？3.sft 和 rl 区别是什么？数据格式有什么区别？4.Reasoning 推理过程有做什么 rl 吗？有哪些奖励？5.rl 有哪些算法？reward 常见的有哪些任务？6.为什么现在不用 reward model？区别是什么？7.PPO 模块介绍一下，公式说一下？critical model 什么作用？8.DPO 公式介绍一下，和 sft 有什么区别？9.GRPO 少了哪些模块，如何在 GRPO 基础上防止模型波动？10.介绍位置编码，PE、ROPE，现在常用哪些？为什么现在模型上下文只到 128K，如果是你你会做哪些改进？11.高效推理了解过吗？如何做到高效推理？你知道哪些方法？12.Lora 是什么？初始化讲一下？是否能对换？还有哪些变体？13.KL散度作用是什么？推一下公式。如果是确定标签，那会有什么变化？从数学原理解释13.编辑距离，用 n 的空间复杂度，如果我要打印编辑路径，你会怎么改，在哪个地方改？基本全答上来了，手撕也很快，实在不知道为什么挂了

是数据中心sre，总体来说压力很大。中间有许多施压的问题。全程面试官眉头紧皱。刚刚开始时候一直抓住我的一个实习细节去问。我就算往我擅长的别的实习和项目上去引，他还会继续追问我不熟悉的实习经历细节。后续的一些关于分布式的知识我都是可以答上来的，也算流畅。最后没有写算法题！！！（这个是不是意味着我已经挂掉了）最后我问的面试官给个建议：他说：你的实习经历要写关于你自己一个人的产出，而不是你参与的产出。其他就没啥建议了。

项目一 1.动机，模型结构，label和loss，2.为什么不用....，3.迭代过程中的线上指标，4.遇到过什么困难是怎么解决的5.介绍一下生成式推荐现在的几种范式6.如果让你做emb量化，你会怎么做7.为什么选用RQ–kmeans8.详细讲一下balanced RQ–kmeans9.讲一讲评估码本质量的几种办法10.下游直接使用sid生成效果往往不好，讲一讲有哪些改进方法手撕交叉熵编辑距离