字节 算法工程师 二面面经

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

1.自我介绍 2.拷打论文 围绕论文的一些问题 2.1有哪些常见的图卷积 2.2指标 2.3attention是怎么做的 3.拷打另一篇论文 围绕论文的一些问题，延展八股 transformer架构 layer norm和batch norm 区别 自注意力结构 T5架构和任务设计 Bert的最大长度限制 了解哪些attention方式 encoder和decoder区别 4.拷打项目 常见的微调方式 open性问题：你觉得llm和传统的nlp模型的区别在哪？ 5.手撕代码：三数之和

讯飞核心研发平台大模型日常实习or深圳联想大模型暑期实习蜀黍不知道选哪个，听说讯飞好像干点杂活

（总共1h6min）1.自我介绍2.coding数据流中位数，要求手写堆，leetcodehot100原题问二分类交叉熵的公式针对某个场景题，手写注意力机制，问为什么要除以特征向量维度的根号。问softmax公式手写梯度下降求sigmoid(x)等于某个值高数都忘了，求导都不会，sigmoid也忘了，大家一起绷不住的笑了。3.反问太菜了不敢问，然后评价我coding可以，估计没啥夸的了。