算法岗

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

🔍 AI算法工程师&银行信息技术岗1. 面试流程概览AI工程师岗位面试通常分为以下环节：技术初筛：简历评估+线上编程题（LeetCode中等难度为主）。技术一面：围绕简历项目深挖技术细节，涉及AI模型、算法优化等。技术二面：系统设计题（如设计推荐系统、优化模型推理效率）。HR面：职业规划、团队协作、抗压能力等软实力考察。2. 高频技术问题算法基础：手写交叉熵损失函数推导，分析其梯度；Transformer中Self-Attention的时间复杂度如何优化？项目深挖：如何解决模型过拟合问题？实际项目中如何选择评估指标？是否尝试过模型蒸馏/量化？效果如何？场景题：若用户反馈推荐系统效果下降，如何定位问题？设计一个金融风控模型，需考虑哪些特征和业务约束？3. 算法题准备建议刷题重点：动态规划（背包问题、字符串编辑距离）、树/图遍历（DFS/BFS）、Top K问题。例题参考：LeetCode 215（数组第K大元素）LeetCode 239（滑动窗口最大值）4. 行为面试技巧必问题：“遇到技术难题如何解决？” → STAR法则回答（情境-任务-行动-结果）。“团队合作出现分歧如何处理？” → 强调沟通优先级与数据驱动决策。反问环节：可问团队技术栈、业务发展方向，体现主动性。🚀 招商银行第9季数字金融训练营：AI工程师的黄金跳板！🔥 核心亮点抢先看零门槛福利：包吃住+报销路费，全程无开销！直通Offer：表现优异者直接拿2026校招提前批Offer，特别优秀者获PLUS Offer（薪资/职级加成）。实战为王：依托招行真实业务场景，接触亿级用户数据与金融级AI模型。📌 赛道选择建议AI工程师赛道：熟悉大模型、多模态技术者优先，可挑战模型调优、工程化部署等任务。AI数据科学家赛道：需精通Python/SQL、统计建模，侧重风控/营销数据分析。AI产品经理赛道：考察需求分析、原型设计能力，金融场景创新是加分项。⏰ 关键时间节点截止时间：2025年4月24日工作地点：深圳（总行资源倾斜，技术氛围浓厚）🎯 内推专属通道立即报名抢占席位 👉 招商银行训练营内推链接请戳这里https://cmb-recruitment-mobile.paas.cmbchina.com/positionDetail/school?publishId=19237290-CFB7-4176-A91C-444831ECCD4F&qrCodeId=599C6E39-A7DD-4620-AC1A-30F1D63BA322&recruitmentTypeId=670980EA-30B6-455A-93C2-5CD5258B8A36💡 面试备战Tips技术复盘：针对简历项目准备3个以上优化延伸问题（如模型瓶颈、AB实验设计）。行业洞察：提前研究招行“金融科技”战略（如掌上生活App智能推荐），面试可结合业务谈技术方案。模拟面试：找伙伴Mock系统设计题，练习白板绘图与模块化拆解思维。🌟 训练营与面试双重助力，提前锁定大厂Offer！立即行动，用实战经验碾压面试考场 👊（训练营详情可以留言探讨哦~）               

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             

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

🔥 个人背景：985本硕，一段自动驾驶相关实习，刚走完文远知行算法岗（感知方向）的全流程，热乎的面经分享！📌 面试流程概览笔试：4道编程题（中等难度，动态规划+图遍历为主）。技术一面：代码手撕 + 项目深挖（50分钟）。技术二面：数学题 + 场景设计题（40分钟）。技术三面（总监面）：技术视野 + 业务理解（30分钟）。HR面：常规问题（薪资/职业规划）。全程周期：约3周（中间有等美国面试官时差协调）。💻 技术面真题回忆1. 手撕代码题题目1：零钱兑换变种题干：给定硬币面额数组和总金额，求恰好凑成金额的最少硬币数，若无法凑出返回-1。Follow-up：如果要求输出所有可能的组合，如何优化空间？坑点：面试官追问了滚动数组优化和剪枝策略。题目2：线段交点算法题干：给定二维平面上两条线段（由端点坐标表示），判断是否相交，若相交返回交点坐标。边界情况：线段平行但不重合、端点重合、浮点数精度处理。解法：参数方程法，注意分母为0的情况！题目3（系统设计）：实现 shared_ptr 的引用计数要求：线程安全、支持拷贝构造和赋值操作。考点：RAII思想、锁的使用（面试官让对比mutex和atomic的性能差异）。2. 项目深挖问题问题1：你在点云处理项目中提到的循环推断问题是什么？如何解决？答：详细解释了OD（目标检测）与跟踪模块的相互依赖导致误差累积，最后引入卡尔曼滤波的先验估计做修正。追问：为什么不用粒子滤波？对比过效果吗？问题2：激光雷达与相机的时间戳不同步，会导致哪些问题？你们怎么做的同步？答：提到了硬件触发同步+软件插值法，面试官让手写伪代码描述插值逻辑。3. 场景设计题题目：设计一个停车场车辆调度系统，支持实时路径规划（车辆从入口到车位的最优路径）。要求：如何表示停车场地图？如何处理动态障碍物（如行人）？路径最优的定义（时间最短 vs 转向最少）？我的思路：用栅格地图+A算法，动态障碍物用局部重规划（D Lite），面试官让分析时间复杂度。🚀 备考建议（血泪总结）刷题重点：力扣动态规划（背包问题）、几何计算题（线段/矩形相交）、系统设计（智能指针/线程池）。项目复盘：务必理清项目的技术链条（输入-处理-输出-优化）。准备1-2个失败案例，说明如何定位和解决问题（面试官超爱问这个！）。自动驾驶知识：必看文远知行的技术文章（如多传感器融合方案）。了解行业竞对方案（如Waymo、Cruise的路径规划特点）。💡 最后的小吐槽三面总监疯狂追问：“如果特斯拉FSD和我们的方案在十字路口相遇，谁的决策更优？为什么？”HR面被压力测试：“如果给你发offer，你会多快离职当前实习？”（差点没接住😅）欢迎讨论！ 大家有面过文远或其他自动驾驶公司的吗？求分享经验～✨✨现在文远知行还在招实习！最后附上学长给的内推码以及内推链接，可以更快筛选简历 ！✨内推链接：https://app.mokahr.com/m/campus_apply/jingchi/2137?recommendCode=DS17ugTB#/jobs🎯内推码：DS17ugTB（填码简历优先审！）春招和实习均可投递哦～岗位内推！           

一图说明今年算法人人人人人人多，岗位少。

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

开场介绍面试环节，科研项目考察+coding+反问，先吟诵自我介绍问项目环节，本来以为是类似互联网大厂聊项目拷打深挖细节，结果是考察项目涉及的模型/算法相关的八股先狠狠灌注了一波transformer八股：- 介绍transformer架构整体特点- 描述残差连接的细节、作用是？为什么有效？解释原理- 为什么用LayerNorm，有什么好处- transformer并行计算的能力体现在什么地方- 描述一下DeCoder在训练/推理时并行计算的过程CLIP相关：介绍CLIP架构、实现原理、优缺点Coding：经典最长上升子序列，先让说思路再coding实现。秒了，说完思路面试官说看你能力没问题要不跳过手撕直接过了。正好刚刚被+1 call了没接，搞得很慌就答应了反问：涉及算法相关的业务场景、面试考察流程；最后面试官追问了一些未来职业规划方面的预期差不多一共40min，面试体验比较满意（除了公司网络环境有点差，连热点也没用），整体发挥还行，不过有段时间没背八股了，有的地方感觉还能答得更好一些最搞的其实是实习负责的项目因为各种原因一直延期，前方一直在push催得很紧，搞得人心惶惶。然后面到一半的时候刚好被+1 视频会议call了，顶着被开除的风险没接（药丸，bushi）。面完赶紧回去跟进项目进度，还好会前我负责的部分基本上都告一段落了，开会内容和我相关的部分估计不多（大概是mentor帮我顶住了，再次跪谢）诶，其实最近实习下来越来越想留用了，工作氛围、技术前景、薪资待遇各方面都很满意，mentor也对我特别好，而且秋招血雨腥风也一直没个oc。不过听mentor说转正内部考核很严，hc也少，而且现在这个项目延期这么久，肯定会影响 +1对我的印象和评价，确实自己也是有责任的（第1段工业界实习，0基础几天速成相关知识，配环境踩了不少坑导致前期进展缓慢），这一关估计不太好过。事已至此，先许愿一个二面吧

因为上周出去玩了导致这周面试过多，15场面试挤在了一周，面完人已虚脱，浅浅总结一下今年秋招的一些体会，仅供参考相比烈火烹油声势浩大的暑期实习，25届秋招有些冷冷清清。各家招人显得谨慎了很多，不少公司一面/二面就会问手里有几个offer，而根据身边样本来看，今年的排序更胜往年，意向发的爽快的公司大批减少（至今几乎只能看到节子/团子）的offer，转正需要跟秋招排序的情况也越来越多与往年相比，转正的三大幻神（美团/阿里/蚂蚁）不复荣光，几乎每家都有转正失败的情况出现，阿里某些BU甚至出现转正率不到50％的情况。部分BU一边拖着暑期转正不开意向一边面试秋招，卷度更胜一筹面试对口度要求更高，面试中很明显能感受到，算法岗的各个方向变得要求更加细化，更希望找到更垂直的人才，本质上反映出了人才的过剩（此处点名百度广告素材生成组三面面试官，暑期加秋招近百场笔面，第一次从某个完全不懂候选人领域的面试官说出“你们之前做的是有多垃圾”“我也做过这种不知道哪里来的小场景”这种极具侮辱性的话，面完想写评价才发现根本没有投诉渠道，只能说人与人的素质不能一概而论了，至今想到还有些许生气）金九银十，就业的内卷与下行似乎已成不争的事实，但身处这样的时代，似乎多说无益，但也要祝各位莫愁前路无知己，天下谁人不识君，希望诸位都能秋招顺利，希望看到这篇文字的你，中秋节快乐面试 暑期实习 秋招笔试 互联网大厂 

一、面试流程与核心要点1. 笔试环节题型：4道编程题（动态规划+图遍历为主），中等难度。典型题目：零钱兑换变种（动态规划）、图的最短路径优化（Dijkstra或A*算法）。备考建议：重点突破背包问题（完全背包、多重背包）及几何算法（线段相交、多边形包含判断）。熟悉LeetCode高频题（如跳跃游戏、NMS实现），注重边界条件与代码鲁棒性。2. 技术面深度剖析(1) 算法与系统设计考核零钱兑换变种：核心思路：动态规划（DP）状态转移方程，需考虑滚动数组优化降低空间复杂度至O(n)。进阶追问：输出所有组合时，可结合回溯+剪枝策略，避免重复计算。线段交点算法：参数方程法需处理分母为零（平行/重合）及浮点精度误差（如EPSILON阈值判断）。参考：文远知行面试中频繁出现几何类题目，需掌握向量叉积、快速排斥实验等数学工具。系统设计（shared_ptr实现）：关键点：引用计数的线程安全（atomic或mutex）、拷贝构造的深拷贝逻辑。性能对比：atomic操作轻量但依赖硬件支持，mutex更通用但存在锁竞争开销。(2) 项目深挖与技术追问点云处理中的循环推断问题：问题本质：目标检测（OD）与跟踪模块的误差累积，导致预测与观测矛盾。解决方案：引入卡尔曼滤波先验估计，面试官进一步探讨粒子滤波的适用性（计算量大，适合非线性非高斯场景）。多传感器同步：硬件触发（如PTP协议）降低时间偏差，软件插值法（线性/样条插值）补偿残差。伪代码需体现时间戳对齐与数据缓冲队列设计8。(3) 场景设计与系统思维停车场调度系统：地图建模：栅格化（障碍物标记）或图结构（节点为车位/路口）。动态障碍物处理：局部重规划（D* Lite）或实时避障（RRT*）。优化目标：面试官倾向于时间最短（用户体验）而非转向最少（硬件损耗）。二、面试官考察维度与策略技术深度：算法岗核心考察代码实现能力（如手撕NMS）与数学推导（如梯度消失解决方案）。项目经历需提炼技术链条（数据输入→处理逻辑→输出优化），并准备失败案例复盘。行业洞察：总监面高频问题：对比竞品技术（如特斯拉FSD的决策逻辑），需熟悉文远知行多传感器融合方案。压力测试：HR面常见陷阱问题（如“何时离职实习”），建议强调职业规划与公司契合度。三、备考策略与资源推荐算法强化：刷题：LeetCode动态规划TOP 100、几何题库（线段/矩形相交）。系统设计：智能指针、线程池等高频考点。行业知识储备：必读文远知行技术文章（官网及知乎专栏），重点学习BEV感知、时序融合等前沿方向。竞品分析：Waymo的仿真系统、Cruise的路径规划特点。项目包装技巧：使用STAR法则描述项目（情境→任务→行动→结果），突出量化指标（如算法精度提升20%）。四、内推与招聘动态当前机会：文远知行2025届春招及2026届实习开放中，算法岗（感知/规划/控制）需求量大。内推优势：通过内推码（DS17ugTB）可加速简历筛选，优先获得面试机会。内推链接如下：https://app.mokahr.com/m/campus_apply/jingchi/2137?recommendCode=DS17ugTB#/jobs投递建议：关注官网及招聘平台更新，匹配岗位JD调整简历关键词（如“多传感器融合”“点云分割”）。 文远知行面试注重算法功底、工程落地能力与行业敏锐度。建议候选人结合自身项目，深度挖掘技术细节，同时加强对自动驾驶产业链（如芯片、传感器、法规）的宏观理解。笔者整理的真题与经验可私信获取，预祝各位斩获心仪Offer！       

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