一面全程一个小时20分钟1.自我介绍2.讲实习项目，问了下多路召回合并的问题，怎么做的小流量ab实验，每路召回占比怎么确定。3.召回命中率怎么算的，怎么确认漏召的商品。反复盘问了很多细节上的东西4.讲了下另一个rag项目（做的不咋样）5.知识库的大小和结构6.扣了很多细节，觉得我做的太简单了，问我为什么不用大模型来微调（我说没资源）7.怎么微调的嵌入模型，负样本选择，rag里还可以怎么来微调8.如果现在用大模型让你重新做一遍你会怎么做，整个过程9.rag中，检索完用query和文档片段输入进大模型生成答案，在这里还有什么效果更好的方法？10.rag相比于微调解决什么问题11.做了两道mid题二面全程40分钟二面没有任何的八股和做题，只有对我实习的一个深挖，问的很细，展开问了特别多，个人觉得答的一般然后就到hr面了，但估计还有三面的

全程1个小时，八股含量拉满，节奏很快的问了巨多1.自我介绍2.介绍实习项目3.召回的时候怎么进行kv查找，线上hive表如何维护的，有什么性能问题，数据多久更新调度一次4.精排的din模块中，target item和query对行为序列得出的embedding，加权相加或者逐元素相乘有什么不一样5.transformer多头的架构怎么实现的，输入输出的是怎样的，attention计算，维度变化6.为什么用LN不用BN7.BN和Dropout训练和推理有什么不同8.softmax防止数据溢出的公式是什么9.xgboost的正则项是什么10.gbdt怎么实现并行化的11.信息增益的公式12.树模型如何停止分裂13.数组中目标出现的开始和结束位置，二分秒了面完就过了，下周二面

1.自我介绍2.随便讲了下项目，讲了下遇到的困难怎么解决3.又讲了下lgbm，深度问了下原理，问得很细4.就聊了20多分钟项目，然后写题：字符串中合法ip地址，之前没做过，边界条件太难受了，有一些案例没有正确输出，力扣和网上好像也没原题已经在评估中了！希望有好运气吧

一面8-191.自我介绍2.问美团的实习，问我商品量级，召回中相关性分档怎么做的，会不会出现query太不规范不能match到商品，怎么解决？我们的场景是否每个query和item都能匹配到相关性分数？3.精排模型我们用的baseline是什么，怎么用query和行为序列做的target attention，行为序列怎么截断的，最后如何用query打压搜索结果的推荐多样性？4.有哪些序列建模的方法和模型5.问了sim的详细原理6.说一下gbdt的全部流程，能做分类任务吗，怎么做7.做了一道中等难度题然后反问问得挺开放的，有些问题答的不好，二面8-221.自我介绍2.介绍实习的召回策略3.向量召回和策略召回的优缺点是什么，怎么解决向量召回的性能问题（不好回答）4.向量召回怎么做可以弥补漏召回或者误召回的问题5.DIN整体模块讲述，target attention的计算时间复杂度6.mmoe整体模块介绍一下，还有什么进阶的模型吗？解决的问题是什么？mmoe的gate输入是什么7.xgb和lgbm区别，怎么进行特征筛选和重要性分析8.讲一下auc在推荐中的物理意义9. 手写AUC（还好复习了，不然直接凉，虽然最后结果输出错了）

一面8.6 全程45分钟：1.自我介绍2.介绍实习和项目3.讲一下Transformer的架构4.Bert如何训练的，Bert和GPT的区别是什么5.多头的作用具体是什么，mask怎么用的6.讲一下l2r，三个wise训练区别，效果如何不同6.做lc中等题，秒了二面8.8 全程40分钟1.自我介绍2.做了一道偏数学的代码题，应该不是lc上的3.问了下KNN相关原理和k值大小的影响（差点忘了）4.拷打简历，说完就结束了，没有反问我简历三面8.14 全程25分钟1.自我介绍2.说了下现在美团实习主要做的东西，目前进展3.唠日常，问了下目前团队氛围，以及详细说了下他们的场景4.叫我有时间可以提前来实习，然后就是说等9月谈薪许愿顺利！还是很想去这个部门的，另外美团转正应该也有了

美团搜推面经一面4-15:- 首先就是介绍了一个竞赛项目，简历上的东西一般会进行一半的时间，面试官也会就你提到的数据处理方法，模型和训练进行详细提问，建议要非常熟悉自己简历。-为什么用多头注意力机制，优势在哪里-BN和LN区别？什么时候用哪一个？-xgboost和lgbm的区别-注意力计算-一个数组降序再升序求最小值（二分）二面4-17- 这次几乎全程围绕简历细扣，讲的更详细和深入了，问的八股也全程都是围绕自己的简历来问的，没有问额外的- 三道题：1.股票收益2.数组有一个数超过一半，花最少时间找出来3.生日悖论