帮转一个小米内推码，可帮忙看进度小米公司校招内推码: D7HZDP9 投递链接: https://xiaomi.jobs.f.mioffice.cn/referral/campus/m/position?token=MzsxNzI0OTkxODI0NDczOzc0MDA1MDQ0ODAzNDM0NzQyODQ7MA

一面时间：8月23日 11:00 ～ 12:00先是自我介绍然后自我介绍完了先做一道算法题：2487. 从链表中移除节点算法题做完开始介绍项目，然后期间夹杂着八股：离线训练模型auc涨 线上效果低 什么原因Batch Normalization的作用auc的计算方式然后就反问环节了。一面过了，约的下周一上午二面--------------------------二面时间：9月2日 11:00 ～ 11:45先自我介绍然后做题：5. 最长回文子串做完题问了一下简历的项目然后问会不会算auc让手撕计算auc然后又做了一个数学概率题然后就结束了怎么说呢，都答上了，也都写出来了，但是感觉面试官对我不感兴趣，一直在写题，很像kpi面，不好说结果咋样--------------------------9月6日更新给我挂了 估计是横向对比没比过就不该投手子 每次面试自我感觉都很好 然后都挂 真的无语

一面时间：2024年08月22日 10:30 ～ 11:30 先是自我介绍 然后介绍项目，思考项目解决的问题提到我是从cv转推荐，问了一下认为当下搜索推荐场景下cv和nlp的特征利用得是否充分。然后问了好几个时间复杂度相关和数据结构基础的问题，感觉这一块还需要再补补。归并算法的时间复杂度，list的时间复杂度，hash map的时间复杂度。如果让你自己做一个hash map，你会怎么实现。算法题好像不是原题，没找到：    输入长度N 一维无重复元素数组，分K 段有序，段间无序，K 远小于 N，对数组做排序；    input: 1 3 7 5 2 4 6    output: 1 2 3 4 5 6 7----------------二面时间：2024年09月04日 17:00 ～ 18:00先是自我介绍然后问两个项目，但是没有具体问实现细节然后问了一道概率题，用英文问的，没做出来，贝叶斯公式忘了有点尴尬。题目如图最后算法题：194. 二叉树的最近公共祖先

一面时间：2024年08月22日 10:30 ～ 11:30先是自我介绍然后介绍项目，每个项目都问了一些细节，然后夹杂了几个简单的八股。auc和gauc的区别。梯度消失和梯度爆炸是什么现象，什么原因造成的以及解决方法。PSNR值是什么（简历中提到的）最后的题目：415. 字符串相加--------------------------------------------二面时间：2024年08月28日 14:00 ～ 14:45先自我介绍然后简单了解一下实习经历，要解决什么问题，解决方案是什么。然后又问了一些组内的业务情况。最后的题目：链表模拟大数相加不知道是不是原题，但是思路和一面的字符串相加差不多。先做一个反转链表，然后双指针模拟相加的过程就行了。--------------------------------------------9月4日周三收到意向了，秋招的第一个offer，感谢团子！！

一面时间：8月13日15:00 ～ 15:50上来先自我介绍，介绍完之后简单问了两个实习的相关项目。首先是根据项目的八股：简单介绍一下DSSMPLE和MMOE的区别然后就是纯基础的八股：介绍一下正则化。L1和L2的区别。l1怎么构造稀疏矩阵，为什么构造稀疏矩阵能防止过拟合。l2为什么参数变小能防止过拟合。介绍一下dropout。训练的时候使用dropout，那测试的时候还使用dropout吗。测试的时候不用dropout的话还需要做什么来确保训练测试期望一致。介绍一下batchnorm，训练的时候batch_size不为1，测试的时候batch_size为1，怎么办最后是算法题：287. 寻找重复数二面时间：8月15日19:00 ～ 20:10二面leader主要考察的都是项目的一些思考让自己选项目来介绍，自己觉得有意思的都可以介绍，最后就把简历上的东西都基本介绍完了。期间一直问解决的问题是什么，为什么你这个东西生效了，感觉就是看你到底是在完成任务还是有自己的思考。最后算法题：LCR 194. 二叉树的最近公共祖先-------上面流程二面挂了，新投了搜索算法岗位一面时间：8月29日 14:00 ～ 15:00先是自我介绍然后介绍项目，扣了一些项目的细节然后开始问八股相关的。介绍一下transformer的结构。计算attention的时候除以根号dk的原因。auc的算法。在listwise中，除了auc这个指标，还有哪些看排序能力的指标。自己做的精排，有了解过别的阶段的一些算法和实现细节吗。最后是算法题：最小路径和二面时间：9月5日 14:00 ～ 14:45先自我介绍 然后介绍项目 期间问一些细节最后算法题：LCR 008. 长度最小的子数组三面时间：9月14日 11:00～12:00纯场景题，然后问了问cv中有哪些技术应用到搜广推上了，感觉答得不好然后两道算法题：14.最长公共前缀5.最长回文子串hr面时间：9月26日 19:30～19:50常规的hr面问题讲了讲自己的个人经历遇到过什么困难拿了哪些offer最后说面完还要等一周之后所有候选人面完了和业务再次确定，如果确定没问题再offer审批，offer审批通过了才会发意向，继续泡吧！希望能oc！10月10日 已意向！

一面面试时间：8月5日19:00～19:50上来自我介绍详细问了问每一个实习经历和项目经历的细节无八股最后算法题：33. 搜索旋转排序数组能感受到面试官的业务能力真挺强，说的什么基本都知道，不算被拷打吧，中规中矩希望能过----------------13号更新，寄了，说业务方向不匹配，那干嘛捞我面试。

一面面试时间：7月25日16:00～17:00先是自我介绍，介绍完让详细介绍一个实习经历，期间问项目细节。细节抠的特别细，项目中用了gradnorm来做优化，然后就一直追问gradnorm的细节，以及为什么这么做，gradloss如何对任务的权重w做优化求导。自己用gradnorm的时候主要在复现和理解原理了，更多的细节没有深入理解，然后就答不上来了，说的模棱两可的。聊完项目已经四十多分钟了，就直接来了个算法题，无八股142. 环形链表 II--------------------------------二面面试时间：8月5日15:30～16:30先是自我介绍，然后针对简历上的每个项目和实习经历进行讲解。期间夹杂着少许八股。离线在线效果不一致可能是什么原因？怎么去除一些噪音样本？PSNR值是什么？讲一下DIN模型最后算法题，是leetcode原题，但是题目描述直接给的英文的，最开始看的时候都惊呆了。875. 爱吃香蕉的珂珂面完感觉还行，希望能过吧！--------------------------------三面面试时间：8月8日20:00～20:40（原本约的9号下午，临时改成8号晚上8点了）先是自我介绍，然后针对简历上的每个项目和实习经历进行讲解。然后问了两个八股简单讲一下berttransformer的attention怎么计算算法题没有让写，只是问了一下思路，怎么求一个数的完全平方根最后就讲了一下目前组内的业务，然后说看意愿可以提前来实习着，提前了解一下组内情况啥的，希望能过吧！

楼主25届毕业生，目前这两个都是暑期实习的offer，都是推荐算法岗位。饿了么是智能零售部门，周三发的offer，让周日之前确认。部门主管说往年转正挺稳。腾讯视频做短视频推荐，目前还在录用评估当中，不知道什么时候能oc，也不确定转正hc多不多。感觉饿了么转正更稳一些，但是大家都说有鹅选鹅，自己也更对腾讯这个牌子感兴趣一些。楼主暑期主要想冲转正，有转正offer的话秋招就打算好好准备冲冲国企或者公务员了。求助大家，这种情况应该选哪个呢，谢谢！     

一面时间：4月22日20:30 ～ 21:40淘天的简历刚开就被一个leader捞了，但是3月19号投递了之后，4月22号下午才约面，而且约面就约的当天晚上，有点难受，同时也做的不是推荐算法，所以意向不高。自我介绍完之后，对照着简历上的项目一个一个的问，没有八股，参考度不高。项目和实习全部问完之后，已经50分钟了，然后做了一个题。69. x 的平方根-----------4月28日更新二面时间：4月28日20:00 ～ 21:00没有自我介绍，上来就拷打实习和项目。八股只有一个，PSNR的含义。其余时间主要抓着项目细节问，就想看看这个项目你解决了什么别人解决不了的难点。最后做了一个算法题一个数学题。快速幂一个口袋里面10个球，编号1-10，有放回取3次，第一个球编号 < 第二个球编号 < 第三个球编号 的概率感觉要凉啊，快速幂是提示才写出来的，数学题直接说遍历做，然后最后时间到了面试官才讲解了一下。

前两个流程都被结束了，然后被腾讯视频捞了，之前的面经马上到达字数限制了，所以新开一文记录。一面时间：4月17日 16:00 ~ 17:00上来先是做了一下自我介绍然后开始问实习的项目，让详细的讲，期间就夹杂着八股。使用的什么loss函数，除了交叉熵损失函数还了解哪些损失函数。项目过程中有没有遇到过过拟合的问题，什么原因造成的，什么办法解决。为什么L1和L2正则化能够缓解过拟合的问题。项目过程中模型设计方面遇到过什么问题，怎么解决的。什么时候会用softmax，和sigmoid的区别。了解什么召回算法。双塔降维的流程是什么？现在tf比较熟悉了吗。（因为提到上一段实习中最开始不习惯使用tf而是习惯使用pytorch）因为上段实习中讲到了特征降维，面试官问了一个场景题，比如当前情况下我没有任何用户的过往历史数据来进行学习，但我需要进行特征降维，我应该怎么做？后来面试官讲到他们目前遇到这个问题，然后想看我有什么想法，最后讲他们使用的VAE，问我有没有了解过VAE。结束之后做了一个算法题：1120. 子树的最大平均值然后就是反问时间。希望能过吧，三战腾讯了----------4月26日更新二面时间：4月25日 15:00 ～ 16:10主要就是问简历上的项目，然后从项目开始扣八股。介绍一下transformer，位置编码为什么要用三角函数。了解过哪些推荐算法，说了DIN就让简单介绍一下。思考一下如果是短视频推荐当中的序列，应该怎么编码。了解SGD，adam等优化器吗？adam和adagrad各自的优缺点以及适用场景。如果要从头开始做一个预测用户视频观看时长的模型，应该有哪些步骤？如果同时要优化用户的点击率和用户的观看时长，应该怎么做？多任务模型了解过哪些？权重共享是共享哪些部分？实习中用到了降维，因此问了一下了解过其他降维方法如pca没有？没有做算法题，如果过下一面是总监面，不知道结果如何，祈愿----------5月9日更新三面时间：5月8日 14:00 ～ 14:50三面是总监面，自我介绍完了之后针对之前做过的项目深挖了一下细节，然后问如果后续针对项目的算法进行优化会从哪些方面进行考虑，感觉主要看你的思维和解决问题能力。三面结束后第二天约了hr面，在10号

面试时间：4月12日15:00 ～ 16:00先是自我介绍，介绍完让详细介绍一个项目，期间问项目细节。然后问基础知识：介绍一下transformer，attention怎么计算，为什么除以根号dk。LN和BN的区别，以及为什么cv中用BN，nlp中用LN。self attention和position embedding是直接相加的，那如果变成concat会有什么影响吗？问了一下是不是cv中用的是BN。最后做了两道算法题。第一题是：手动实现一个采样的类函数，只能调用random函数，时间复杂度O(logn)。528. 按权重随机选择第二题：A同学随机从【1，20】之中选择一个数字，B同学扔3次骰子得到一个和，求A同学数字大于B同学数字的概率慢慢等结果吧，说我是今天面的第五个，但是组里只招两三个人，大概率凉了-------------4月16日更新一面过了，约的19号二面-------------4月19日更新二面时间：4月19日 10:00 ～10:45没有参考价值，无算法无八股，纯问项目和实习-------------5月9日更新隔了二十多天，终于有消息了，约10号hr面-------------5月14日更新发offer了 太不容易了

时间：4月12日11:00～11:50先是确认了一下，做的是cv，为什么投推荐算法岗。然后是自我介绍。自我介绍完选择一个自己最拿手的项目进行讲解，期间问了问细节。然后问基础知识：BatchNorm和LayerNorm的区别，为什么cv当中用BN而nlp当中用LN，具体的计算方式。L1和L2的区别，为什么计算L1容易导致稀疏矩阵而L2不容易导致稀疏矩阵，这两个求导分别是什么。auc的含义，如何计算，ROC曲线的含义，横纵坐标是什么，真阳率和假阳率分别是什么。Wide&deep中用了几个优化函数，分别是什么，为什么这么用。然后做题：34. 在排序数组中查找元素的第一个和最后一个位置改了一下，只用查最后一个位置最后反问。感觉要凉————————4月13日更新挂的挺快hhh 凌晨发的邮件

一面时间：4月7日 11:00 ～ 12:00没有开摄像头，先是自我介绍然后详细的问了一下实习经历，对实习中的项目做了非常详细的询问。期间问了一下auc和gauc的区别，为什么使用gauc而不用auc。然后因为项目用了图文理解大模型，询问了一些对比学习的loss，介绍一些nce loss之类的，然后怎么构造正负样本。还有就是交叉熵损失函数的使用的注意事项。使用RELU的一些潜在问题。然后笔试题：215. 数组中的第K个最大元素最后面试官又问了一下，为什么想转推荐而不是继续老本行cv，问以后的打算。然后就结束了，希望能有个好结果吧！----------4月12号更新一面过了，约15号二面----------4月16号更新二面时间：4月15日11:00-12:00上来先自我介绍，介绍完了直接写一道算法题34. 在排序数组中查找元素的第一个和最后一个位置因为上周五两个面试的算法题都是这个类似的二分查找，所以秒了，做完面试官还问了一下是不是做过这个题。差点以为要再出一道了。然后就问项目了，让把自己的项目和实习经历都讲讲。期间夹杂的八股也和上周的面试类似：BN和LN的区别。如果位置embedding从加变成concat会有什么区别。位置embedding怎么做的，除了三角函数还有哪些函数。attention计算的时候为什么要除以根号dk。最后问了一个场景题：类似于快手直播的场景，用户点击进入直播概率是CTR，用户打赏的概率是GTR，让你从0开始从一个推荐算法，你会怎么做？答案之后又问有哪些方面可以进行优化分析。感觉场景题答得一般，其他都答得不错，希望能有机会拿到HR面通知吧！----------4月20号更新一周没出结果，打电话问了一下hr，然后说两天给结果，过一会儿官网看就已经挂了。唉。这是答得最好的一次了，不知道为啥挂了，难受

一面时间：3月25日11:00 ～ 11:50自我介绍聊实习经历，根据实习经历问了几道八股：简单介绍attention机制有什么和self-attention不一样的注意力机制了解过吗为什么要使用多头注意力然后问了一些推荐场景的业务问题，结合自己的经历聊最后算法题：3. 无重复字符的最长子串面试官人很好，也没有问什么刁难的题，最后反问环节问了还有什么需要加强的也给我指导了许多，面试体验很好，希望结果也很好吧--------3月26日更新一面过了，约的27号二面，加油吧--------3月27日更新二面时间：3月27日19:00～20:00没有自我介绍，上来直接三道题：1. 一个长度为N的整数数组，有一个数出现次数超过一半，最快最省的方式把这个数找出来。2. 有N个人(N<365)，生日都不相同的概率。3. 股票交易，一天只有一次买入和卖出机会，卖出在买入之后，输入N个时刻的股票价格数组，返回最大的收益、买入位置(索引）、卖出位置（索引）。做了四十分钟左右，第三题的逻辑有点问题小细节没做对，然后面试官说没事，第三题不算。然后简单的问了一下实习经历，问了一下到岗时间，就反问了。面试官老哥人很好，最后我说的到岗时间是尽快入职，能实习半年以上，然后我反问大概什么时候出结果，面试官就笑着说：很快就出结果了，你快我也快hhh。希望是个好结果吧！！！--------4月1日更新3月28号hr打了电话，相当于简单的来了一个电话面，问了一下最早入职时间，以及手里头还有没有其他的offer，然后就说一周之内出结果，让关注邮箱。4月1好早上十点半终于发offer了，暑期的第一个offer，还是比较值得纪念！