算法实习简历求指点

最近秋招拿到offer的同学在问我一些offer抉择的问题，关于算法岗怎么选方向，尤其是业务岗和研究岗的区别。今天从几个维度聊聊这个问题。你的目标是落地还是探索？业务算法岗的核心价值在于解决问题，用成熟稳定的技术提升业务指标。日常工作围绕数据处理、特征工程和模型调优展开，最后通过A/B测试验证效果。岗位稳定、成果可量化是明显优势，但技术可能不够前沿，容易产生重复感。研究算法岗更像边界探索者，集中AI Lab这类部门。这里博士比例高，核心任务是做出比现有方案更优的算法创新，目标发表顶会论文。你能接触最前沿的技术，学术积累扎实，但成果不确定性高，压力也更大。你数全链路还是深钻型？业务岗需要全链路能力——懂业务逻辑、会特征工程、能上线部署，最终把技术转化为可量化的业务增长。研究岗则强调算法深度，要求扎实的数学功底和创新能力，更看重在细分领域的学术突破。如何选择？喜欢看到技术快速落地、享受清晰的业务反馈、工程能力强的同学，业务算法岗是更稳妥的选择。如果理论基础扎实、热衷前沿探索、能承受较高不确定性，研究算法岗的挑战和上限都更高，但要做好成果周期长的准备。不过研究岗可能有时候也需要做一点业务上的工作，这要根据部门实际情况来看。没有绝对的好坏，关键是匹配你当下的状态。业务岗是脚踏实地，研究岗是仰望星空，两者都在创造价值。选择前想清楚自己更看重什么，比盲目追求热门更重要。想了解更专业更具体的算法岗不同方向不同岗的要求，发展，前途等具体信息可以滴滴我本人拥有7年大厂算法岗经验，作为技术面面试官(含社招和校招)，看过上千份简历，已面试超过上百位同学，面试和被面试经验十足，同时在ECCV/IJCAI/NeurIPS等顶会上发表过多篇论文和ACM获奖竞赛经历。职业规划 业务算法 #研究算法

题目1：分词

1.实习介绍2.手写 fm 公式3.解释 Ir 为什么不能自动特征交叉4.一个曝光用户从来没有交互信息，怎么过双塔5.写出 moe 的损失函数6.什么样子算自动特征交叉7.写出 Ir 的公式8.代码：二叉树中序遍历

读研期间的第一次面试，体验很差，不知道是不是遇到kpi面了，面试官似乎并不感兴趣，问的也不是很深，基本都答上来了也很顺利，但还是第二天就挂了 ps：年底深圳的实习怎么这么难找？难受，有没有深圳的yy们交流一下 一小时10分钟 全程拷打项目中的八股  1、caffeine缓存时主要存储了什么数据 2、如何能实现按分钟和按小时同时限流，key和value分别是什么 3、spring aop如何实现的 4、用caffeine缓存有什么缺点 5、说一下rag流程 6、如何让大模型的响应时间变小的（stream响应），第一个token时间变小，总体时间如何？ 7、redis要保持数据的一致性有什么解决方...