腾讯推荐算法 一面 凉经分享

攒人品中，祝大家都能拿到满意的Offer！1. 拷打项目2. 拷打实习部分问题：2.1 介绍一下主要做的事情，一些特殊细节，包括整个项目的背景。2.2 讲一下RankMixer 的结构的核心原理。它和传统的交叉网络或者是多任务多场景的一些模型比的话，它的优势2.3 你刚刚提到了动态拓展 token 数量，然后来实现自动的交叉。这个动态拓展是怎么做的？2.4 指标这里我看 CTR 的 AUC 是涨了**个bp，但是它的 GAUC 是涨了 (**+5) 个bp，GAUC涨的更多，这里有分析过原因吗？2.5 最终你们是怎么去评估的，就是这些场景特征到底起作用了没有？2.6 有试过添加更多 Token 吗？它的边际效率在哪里？2.7 所有场景的样本是一起训的吗？还是一个场景一个模型？手撕：交换相邻字符的最小操作次数手撕：二叉搜索树的第 K 大节点

发一下问题给大家参考，攒攒人品！1.项目拷打2.实习拷打3.论文拷打4.你更希望找长期实习，那你觉得什么样的工作内容会让你更愿意一直做下去？5.在xx那段主要是做数学解题这个方向，这个事情当时业务上是要解决什么问题？6.一开始为什么是用OCR加文本这种方案？后面为什么觉得不太够用了？7.你们后来换成多模态，是在哪些场景下收益最明显？8.你做的那一整套训练流程，对最终效果提升最大的是哪一块？9.模糊图效果提升挺多的，这块你觉得主要解决了什么问题？10.你们在数据这块做了很多处理，比如去重这些，这些工作你觉得值不值？有没有量化过收益？11.在强化学习这块具体是负责哪一部分？12.奖励大概是怎么定义的？有没有遇到奖励不合理的情况？13.强化学习训练过程中，有没有出现模型“学歪了”的情况？是怎么处理的？14.在xx公司那段用的是GRPO，当时为什么会选这个方法？15.小模型能做到80%以上这个效果，你觉得核心原因是什么？16.在比赛里做的是Agent推荐，这个和传统推荐最大的区别是什么？17.多代理那套方案里，哪一部分是你觉得最关键的？18.做了memory，这个东西实际带来的提升是什么？19.对现在这种Agent框架，比如OpenClaw，整体怎么看？20.如果让你用OpenClaw去做一个发券或者运营自动化，你第一步会怎么设计？21.你觉得这种Agent在业务里最大的风险点是什么？

发一下问题给大家参考，攒攒人品！1 项目拷打2. 在 Agent 多轮对话任务中，Attention 的局限性具体体现在哪些方面？3. 简要介绍 SFT 的核心流程，以及如何制定数据集的构建策略？4. SFT 之后常见的 Post-Training还有哪些？它们各自的设计目的是什么5. 什么是RAG它提升生成质量的核心原理是什么6.RAG与传统的检索 + 模型生成流程有何不同7.如何构建评估体系来验证一个RAG系统是否真正Work？8.PPO和DPO在对齐阶段的主要区别是什么？9. 在进行DPO训练时，通常有哪些关键的注意事项？是否了解过GRPO10.在Modular Agent中，多步规划是如何实现的？11.针对多个工具的调用链路，你的调度策略是如何设计的12. Agent 评估体系包含哪些核心维度？如何量化衡量Planning能力与Hallucination Rate )？13.在微调Qwen模型时，你是如何确定训练阶段和 Loss Function的？14. Prompt自动推荐模块应用了哪些优化策略？是否尝试过Prompt压缩或Embedding表示的方式？15.假如Agent推理链路包含3个工具且请求频率极高，导致系统整体延迟较高，你会从哪些维度进行优化？17.在记忆系统中，意图识别 承担什么职责？18.Embedding的维度选择（如 1024 维）是基于什么逻辑？为什么不选择更高或更低的维度？19.Qwen-4B的Embedding是如何实现的？其模型框架是否属于 BERT 系列？20.Qwen-34B的Rerank是如何实现的？21.Attention机制中的Q, K, V矩阵具体是如何通过输入变换得到的？22.Attention公式中除以根号d_k的作用是什么？如果不除以它，是否有其他替代方案？23.请详细解释Multi-Head Attention ，并指出它目前存在的主要问题24. 如何解决多头注意力机制计算开销过大的问题25. 什么是 RoPE ？它核心解决了什么问题？26. 在 Memory  系统中，如果输入文本过长，常见的工程处理策略有哪些？

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 项目拷打2. 拷打第一段实习2.1 模型优化细节，非常细，基线模型结构、具体优化点、expert数量，输入维度，参数量计算，特征分配策略等等2.2 参数量增加后，计算量增加了多少？FLOPs和训练速度分别怎么变化？2.3 模型性能跟模型大小是相关的吗？2.4 新增的存储属于什么类型？在PS中仅增加存储是否影响训练推理速度2.5 存储成本和查询成本哪个更高？新增参数量是否达到瓶颈？2.6 相同的机器下，训练速度慢了多少？或者增加了多少机器才能让训练速度持平？3. 拷打第二段实习3.1 主模型细节，序列建模细节，模型参数、序列长度3.2 OneTrans的优缺点4. 手撕代码：求数组中第K大的数，时间复杂度要求O(N)