昨天 22:38 中山大学 算法工程师 发布于山东
关注
腾讯 WXG 推荐算法面经
1.自我介绍
2.拷打实习:介绍一下主要做的事情，包括整个项目的背景。
3.讲一下 RankMixer 的结构的核心原理。
4.有试过添加更多 Token 吗？它的边际效率在哪里？
5.所有场景的样本是一起训的吗？还是一个场景一个模型？
6.关于序列建模，序列长度大概多少？怎么生成的？线上延迟会涨吗？
7.为什么在那些很稀疏的小场景，长序列上线GTV 会涨得比较多？
8.在你们的那个专家网络，是怎么去做协同的？
9.你们做的特征优选，特征重要性是怎么去评估的？
10.实时数据流的样本生成逻辑是什么样的？
11.有做一些纠偏的机制吗？
12.手撕：交换相邻字符的最小操作次数
13.手撕：二叉搜索树的第 K 大节点
📳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。
2.拷打实习:介绍一下主要做的事情，包括整个项目的背景。
3.讲一下 RankMixer 的结构的核心原理。
4.有试过添加更多 Token 吗？它的边际效率在哪里？
5.所有场景的样本是一起训的吗？还是一个场景一个模型？
6.关于序列建模，序列长度大概多少？怎么生成的？线上延迟会涨吗？
7.为什么在那些很稀疏的小场景，长序列上线GTV 会涨得比较多？
8.在你们的那个专家网络，是怎么去做协同的？
9.你们做的特征优选，特征重要性是怎么去评估的？
10.实时数据流的样本生成逻辑是什么样的？
11.有做一些纠偏的机制吗？
12.手撕：交换相邻字符的最小操作次数
13.手撕：二叉搜索树的第 K 大节点
📳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。
全部评论
相关推荐
