【地平线23年校园招聘】

985，算法方向，26届。昨天刚完成美团算法岗一面，趁热记一下，方便自己复盘，也给后面投的同学参考。 面试时长：约55分钟形式：视频 考察内容： 自我介绍后直接问项目，重点挖了分布式训练部分，问梯度同步机制怎么做的，参数服务器和All-Reduce各自适合什么场景。 算法题1：接雨水（LC 42），要求O(n)时间O(1)空间，双指针方案。算法题2：手写快排，要求随机化pivot版本，问为什么要随机化。场景题：给你一个推荐系统，新用户冷启动问题怎么处理，说了基于内容的方法和利用侧信息两个方向。反问环节：问了团队方向和实习转正比例。 整体感觉中等偏难，项目问得比较细，有准备的话不会太慌。 顺带说...

大佬们帮忙看看简历 孩子约不到面😭全是已读不回 要么就是培训机构的套路我知道是个学院本学历不讨好 真想找口饭吃冲什么岗比较合适呢

投boss已经投麻了，好多都是已读不回，找不到啥约面的机会，想求问一下各位大佬现在是继续找日常好，还是冲暑期好，找暑期我怕要求太高过不了面两个项目都是我问ai写的，求问大佬们还有啥需要改进的地方吗

1. Transformer 的自注意力机制、位置编码、梯度消失和梯度爆炸的解决方案答：自注意力机制的核心是让每个 token 在计算表示时都能和序列中其他 token 交互。给定输入 (X)，先通过线性变换得到 (Q)、(K)、(V)：然后计算注意力：这里除以 根号下dk 是为了防止点积过大导致 softmax 进入饱和区，影响梯度。多头注意力就是把表示拆成多个子空间并行计算，最后再拼接，能从不同角度学习依赖关系。位置编码是因为 Attention 本身不包含顺序信息，所以需要显式加入位置信息。经典做法是正余弦位置编码：现在也常用相对位置编码和 RoPE。梯度消失和梯度爆炸的解决方案包括：残...