秋招面经小结二（字节/多多/美团/华为/讯飞/蚂蚁/网易）

楼主之前八月中写过一次面经，由于最近秋招算是正式结束了，所以想再发一个补充帖子。这次的帖子是对之前的一个补充和完善，很多之前写过的面试内容之类的就不补了，只补一些新的面试内容。

之前的帖子基础上补充如下：

美团：hr面结束已意向，美团平台的NLP中心。hr面为电话面，中规中矩的问题，无须担心。hr面结束约四天发了意向，效率还可。

讯飞：已意向。时间约八月中下旬，记不太清了。

多多：泡池子ing。距离HR面结束已经快40天了，还是毫无消息。

华为：泡池子ing。上合计划慢的要死，不过听说可能今年没有意向书，直接十月谈薪时候一块发了。

补充：华为的两次性格测试我都挂了。。。虽然我觉得我也挺积极向上阳光的，补了一次视频性格测试，偏hr面那种感觉。

字节：

我的字节情况比较特殊，提前批投递的AI-lab，之后考虑到竞争程度和个人能力改到了电商，电商前后换了三个部门，面试为1+2+4。结果最后一个部门HR面结束后排序rank把我挂了，无奈转正式批，先投递部门为商业化技术。

新部门一面：项目+论文挑一个讲。我讲了论文，大概20min。八股文5-10***要内容是熟练背诵attention,BERT,transformer及相关知识。算法题感觉给我放水了，题目是最长递增子序列（唯一难点是加了可能句子内有多个长度相同的最长子序列，都要求进行输出），时长为35Min。

新部门二面：项目20min+论文20min。无算法题无场景题无八股直接结束。

后续：因为是提前批转过来，且之前面评还不错（虽然我也不懂为什么觉得面评不错提前批还把我挂了。。。），所以新部门只有两轮技术面，无hr面，目前已意向。

蚂蚁之前做了测评和笔试，笔试a了一道。之后一直没消息，所以拖一个关系贼好的朋友内推了一下他的对应部门，进入面试。（蚂蚁泡池子被捞太难了，除非大佬，建议大家直接内推到具体部门）

一面：电话面试（我的三轮蚂蚁全都是电话面试，所以没有算法题）。内容是项目20min+论文20Min。由于电话面试所以有些网络框架图之类的模型没办法向面试官展示，因此感觉讲论文的难度大了一些，毕竟不带图描述一个比较复杂的网络模型还是比较麻烦的。基础知识中规中矩（可能是因为校友加成2333），大概还是attention,BERT,transformer相关知识。时长约1H

二面：电话面试。内容是项目25min+论文25Min。全程扣你的项目怎么做的，各个点的具体内容之类的，非常非常细（毕竟没有算法题，没有八股，纯粹讲项目1h）。无算法题+八股。时长约1h。

三面：应该P9大佬。直接打电话来约5min后面试。聊天面，讲讲项目即可，注意条理与系统性。25min。

HR面：阿里的HR面相对而言比较问题多一些，除了基础信息，会比较注意你团队协作配合的方面。举例：你新接触一个领域，如何快速上手；你新进公司如何跟同事快速融入之类了。感觉一定程度上考察你合作，配合，交往能力。

目前进度：等Oc中，HR小姐姐说会发Oc，但还没收到。

网易：

正常投递被捞。两轮面试+一轮HR。（y1s1，我觉得网易面试的考察比较好，题目也都比较有意思，会往深处挖一些，体验感是最近最棒得了）

一面：小姐姐上来跟我强调我们偏业务工程，不太关注发论文（我也确实不想搞科研了）。然后自我介绍完首先是一道题目（不要求写代码，开放题）。题目是给定一段文本，如何检测里边是否包含敏感词，条件是文本较短，可能只有20个字；敏感词库比较大，可能有好几万，且敏感词库内包含词，字，词组等不同形式。我最开始以为思路是分词+查找敏感词，所以在说什么先分词，然后敏感词那边查找使用前缀树之类的。。。结果小姐姐提醒考察的是如何对文本进行划分，个人总结意思其实是因为敏感词库中这边词组什么类型都有，所以实际上是先先对文本进行划分，把划分后的文本进行查询。但是由于文本划分的可能性过多，例如给定文本20个字，1个字的划分结果有20种，2个字有19种,....i个字有21-i种（就是i为起始点，j为终结点，i~j之间的文本就是一种划分）。这么多种肯定不可以都进行查找，所以要先过滤掉一些。方法我提了两种，一种是规则式方法（看当前分出来的文本的主谓宾定状补这种语法结构来判断是否合理），另一种就是模型概率方法，训练语言模型然后看极大似然概率那个方向。

然后是项目+论文的正常讲述，最后是八股，八股知识感觉是因为我下午没太睡醒，回答的挺一般的，错了好几个，记录一下。BERT，GPT用的Transformer的encoder还是decoder，为什么，会带来什么影响。Pre-train和fine-tuning区别与联系。为什么transformer源论文用sincos进行位置编码而BERT用绝对位置进行位置编码，为什么？transformer里边的头不同数量时候，例如头为1,2,4,8时transformer的计算量和计算时间会怎么变。q,k,v给定维度，给出该attetion框架的输出维度。残差连接你用textcnn,rnn做本文分类时候为什么不加。textcnn做文本分类有什么特殊之处。应该还有很多比较小比较琐碎的知识点，但是感觉都是结合项目来问的，所以体验还不错。1h5min（明确告知我投递的部门只有2轮技术面）本来以为基础知识错了好几个点所以会被挂，结果五天后告知二面。

二面：是一个偏中年的男大叔。时间只有40min。所以是只讲了偏落地的项目，论文讲了一部分。面试官会问一些基础信息，实验室，方向，论文投递信息之类的。基础知识问的比较简单，无脑熟练背诵BERT，transformer,attention。题目比较有意思，给定一个网络框架做文本分类，分别是文本-词向量-dropout-lstm-dropout-全连接-输出标签。现在第一个dropout里正例的dropout为0.2，负例是0.4.。现在问题是训练阶段准确率比较高，测试阶段准确率比较低，问为什么？我最开始忽略了dropout是在词向量后边那一层加的，以及是做分类任务，所以思路错了。后续提示才知道应该是从特征稀疏稠密程度这个方向考虑。更具体一些就是训练阶段数据特征稠密程度不同，模型会根据此来判断正负例，但是测试阶段取消dropout，稀疏性都相同，模型缺少了一个重要参考依据，效率下降。40min （本来以为最后的题目回答的不好，凉了，但是约了HR面，不过不知道是不是面了然后泡池子那种HR面。。。）

小结：秋招总体下来感觉算法岗论文或者大厂实习必须有一个（非cv领域），不然面试+简历关会比较难受，没有已发表的论文只有在投的但是论文含金量还不错的也可以接受。面试时候一定要有比较清楚的逻辑性和条理性，从背景-目前问题-所用方法-技术细节-实验结果要比较的成体系（但我觉这个就是多讲几次就知道了，面了差不多30场的我现在闭着眼睛都能把自己两个项目讲下来了。。。毕竟一个项目讲三十次再加上对应复盘应该已经可以梳理的很清楚了）。八股可以根据自己项目来复习，面试官一般都针对项目展开问八股（除了部分面试官，比如tx上来是个机器学习面试官。。。问我一堆机器学习模型+知识，然后反手把我挂掉。。。），算法题lc+牛客大概200-300就差不多够了，面试还是以mid难度为主。

希望大家都能有心仪的offer~