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(N3. 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！

时间：3月20日 11:00 ～ 11:50上来先自我介绍介绍完之后就是项目环节，问了问实习经历和实验室的项目，没有怎么问八股，都还是比较轻松。大概时间半个小时左右。然后，面试官说来做两道算法题。第一题是力扣原题114.二叉树展开链表，之前没做过想着用前序遍历做，然后这个页面没有运行的相关按钮就没有跑代码，写完给面试官看了一下思路，面试官简单问了一下就说那面试就到这儿吧，问我有没有什么问题要问的。我当时就慌了不是说做两道算法题怎么只做一道题，是不是第一题直接做错了，然后问面试官不是两道题嘛，只做一道就行了吗。然后面试官就说，没事，先聊一聊。聊了一会儿工作内容，面试官又找了一个题来让我做，是55.跳跃问题，然后写完之后面试官又说再聊聊，然后就结束了面试。下来之后回顾了一下114题，确实不能用前序遍历，会遍历不到右子树，大概率是这个原因感觉要寄了，唉，等后续结果吧。-------3月21日更新一面过了，真迅速啊，约的3月25号二面-------3月25日更新二面时间：3月25日 17:00 ～ 17:18刚自我介绍完，问了一下实习经历，结合项目经历问了一下场景的业务问题，就说没有什么问题了，让我反问，反问问了一下有什么地方可以加强，答：推荐相关的经历不多，宽度和广度需要加强。然后面试完两分钟就收到寄了的消息。还是记录一些八股给广大牛友参考吧：业界有哪些召回和排序的方法。如果特征concat太长太稀疏，想要将第一个序列和最后一个序列关联上，应该怎么处理。介绍一下DIN。要是不想要，为什么一面还要给过呢，直接给挂不就好了，为什么还要二面来恶心一下

时间：3月19日15:00 ～ 15:50上来先自我介绍，介绍完之后面试官让看着简历一个项目一个项目的详细介绍细节扣得比较细，比如设计的attention中qkv具体的映射方式如何实现等等然后项目中评估指标用到了有PSNR和AUC值，让讲一下具体的公式和原理还有实习经历中的一些场景的思考。上面的问项目中间夹杂对应八股的部分大约半个小时然后就是算法题，做了一道，leetcode原题300. 最长递增子序列最后写完了就是反问环节，不知道结果如何，等等后续通知吧----3月25日更新流程一周没有更新之后，终于是进人才库了，接着投吧

#面经##腾讯#腾讯暑期wxg应用研究岗的一面时间：3月13日 16:00 ～ 17:30上来自我介绍完之后就是三道算法题，两道mid一道hard，先讲思路，有思路了再写代码：560. 和为 K 的子数组最大路径和（改自64. 最小路径和）76. 最小覆盖子串前两题写出来了，最后一道题死活出不来正确答案，然后和面试官聊了一下思路就结束了，写了快一个小时，还是有点拉胯，得多练。题写完就是问项目，细节没有问很多，八股也就简单问了一下auc和roc曲线的东西，然后就反问环节了。总体来说除了上来做三道题有点顶之外其他还好，面试官人也很好很温柔，不过能不能过就不知道了，还是继续背基础知识刷题提高自己吧！------3月19日编辑早上起来看到流程结束了，果然wxg都是神仙打架，估计面完排了好几天的序然后寄了------3月21日更新被pcg捞了，约了面试面试时间：3月21日16:00～17:00自我介绍针对实习经历展开详细的介绍，期间问了很多八股和推荐业务相关的问题：给了一个类似今日头条的场景，你会选取哪些特征做计算如何做特征的离散化，如何处理特征召回和精排的区别auc的计算方法多的有点记不得了最后算法题：判断是不是完全二叉树（好像不是leetcode原题，没有找到）------3月25日更新流程显示一面过了，但是还没约二面------4月1日更新pcg综合搜索二面时间：4月1日19:30 ～ 20:30上来先自我介绍自我介绍完问实习项目，讲了20分钟左右，然后问了一下细节，中间只问了一个八股：gauc的计算方式然后做算法题：1658.将x减到0的最小操作数做完之后问了一个场景题：在一个搜索业务中，如果你发现流量激增，你觉得是什么原因造成的，以及有什么办法去解决它？没有太多业务经验，答得支支吾吾的最后答得也比较浅。然后就是反问环节了。场景题答得不好，面试官说还需要再多熟悉了解，不知道能不能过，希望来个好运吧！------4月12日更新pcg挂了，又被腾讯视频捞了，17号面试