攒人品中，祝大家都能拿到满意的Offer！1• AUC 是什么？它衡量模型的什么能力？和 LogLoss 有什么区别？2• AUC 怎么快速计算？如果不是二分类，AUC 怎么推广？3• 推荐算法了解哪些？召回、粗排、精排、重排分别常用什么方法？4• 协同过滤的基本思想是什么？它的局限性是什么？5• 双塔、DIN、DeepFM、DCN 这几类模型分别适合什么场景？6• CTR / CVR / 时长 / LTV 这几个目标能不能一起做？多目标建模怎么设计？7• 曝光偏置、位置偏置、样本选择偏差在推荐里怎么理解？8• 负采样怎么做？随机负采样和 hard negative 有什么区别？9• 你的时序预测任务里，label 是怎么定义的，预测窗口怎么选？10• 你的提升到底来自哪里？是特征、loss、采样、结构，还是训练策略？11• 训练/验证/测试是怎么按时间切分的，怎么避免时间穿越和数据泄漏？

继续来分享下之前的面经~欢迎友好讨论，信息共享1．实习介绍。2．拷打了一下项目和论文。3．为什么多头注意力能提升表达能力？4．为什么要在大模型中使用 RMSNorm ？和 LayerNorm 有什么差异？5．KV Cache 是怎么起作用的？为什么对长上下文推理很关键？6．大模型推理时的加速思路？7．模型微调时遇到过过拟合吗？怎么处理的？8．手撕：1️⃣字符串的全排列2️⃣二叉树序列化与反序列化

被横向挂了，希望发出来对大家有帮助！1.SFT训练trick和问题2.lora的使用 原理 目的3.对大模型推荐的了解4.场景题 zero shot模型的使用5.传统检索的方式6.Rag的作用 实现流程7.讲讲deep search8.对于强化学习的了解 介绍grpo手撕 一个链表，使他首尾交替出现，例如1 n 2 n-19.手撕 前K小的数

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1.实习拷打2.项目拷打3.手撕:1DRoPE4.RoPE里面base应该怎么取，过小会有什么问题，视频生成里面ropebase取多少

继续来分享下之前的面经~欢迎友好讨论，信息共享1. XGBoost只能用于数值的残差估计吗，可否用于特征2. bagging和boosting的区别3. 聊聊自己知道哪些推荐系统的深度学习模型4. MMoE如何保证每个专家的随机性（有共用的专家）5. multi-head attention如何保证每个head的随机性（只有初始化）6. 最长递增子序列7. 如何找到一个数组的中位数

1.怎么保证 pretrain数据的质量；2. 重 RL 和 重 SFT 你倾向于哪个？3. 分布均匀的硬币，分布均匀的话是我抛这枚硬币，我得到正面和反面的概率都是 0.5，这很好理解嘛，因为它是分布均匀的。现在我的问题是我抛了两次，已知其中有一次是正面，我想知道另外一次也是正面的概率是多少？4.我有一副标准的扑克牌，这标标准扑克牌是 54 张牌，里面大小王各一张。现在我要把这副标准的扑克牌随机的、均匀的分给三个人，我想知道大小王在同一个人手上的概率是多少？5.我有十个小球，五个红色，五个绿色。十个小球五红五绿。现在我把这十个小球放在两个完全一样的盒子里。然后我的目标是有人从这两个盒子里面随机的取一个盒子，随机的取一个球，他取到红球的概率最大。那问我应该用什么样的方法把我这十个球放在两个盒子里面？

简单的聊项目，比较倾向于hr面的那种，扮演的角色，最具挑战性的环节，企业实习和自己做科研感受的区别。手撕一个没见过的题目：一个正整数N，寻找一个比N大但最接近N的整数M， 且M和N的各个位数字和相同通过举例想到了9开头和0结尾这两种特殊情况，包括双端队列来解决位数增加的情况，但是9开头没有完全写好，最后没写完把写了一大半的代码给面试官说了下思路。

一面（28min）主要针对简历提问问答系统的知识库为什么不使用问答对，如何构建一个问答对的知识库怎样从原始文档中挖掘问答对向量召回与关键词召回的区别，各自优势有没有了解过其他embedding模型Qwen3的embedding大模型的幻觉表现，原因总的来说确实基础不太扎实，第一次面试准备也不太充分。

无手撕，30min很快的过了一下实习项目，开始八股拷打1. 分桶的作用，离散化特征的好处2. sigmoid 做激活函数的情况下，用交叉熵为什么比 mse 好3. 注意力机制里为什么要用到 qkv 矩阵，从 qkv 各自的作用说了一下，但面试官说他想听到的是其实是用三个矩阵做线性变化，投到不同的子空间，增强表达4.注意力的复杂度，有没有办法优化？说了下 lora，面试官说窗口注意力5.transformer 的并行性6.做过模型量化吗，讲一下你的理解无反问，面试官说具体业务细节可以问二面面试官，结果今天查系统已挂