百度 算法岗二面面经

拷打简历（18min）

对大模型基础的结构有没有了解？

你了解哪些大模型中的优化技术呢？

那对于大模型相关的，传统的那种机器学习技术（如树模型），你有没有了解过？

你了解的推荐技术是什么方面？讲一个例子

聚类ID 的向量从哪来的？

怎么拿到这个聚类用的向量？是输入模型吗？就比如说拿原始视频，把它的一些信息输进去，经过这个模型用什么方法得到这个向量？

你提到了物品间 ID 对，形成向量的过程是什么？相似性怎么定义

假设这个物品是新的，理论上跟它有交互的用户序列基本上是空的，这种冷启动的情况怎么办呢？

那你觉得能用大模型给这个物品生成一些向量吗？有了这个向量以后，你觉得可以应用在什么地方？你觉得系统里面能用到这个相似度的是哪一块？

你了解推荐线上比较核心的环节（比如召回环节）吗？推荐环节一共有哪些？假设你知道推荐环节的步骤，那大模型辅助产出的向量或相似度在这些步骤里哪些能用？能不能举个例子，说明在某一个步骤用怎么比较合理？

召回环节主要解决哪些问题？比如冷启动之类的，之前你了解过吗？

推荐环节的具体步骤解决什么问题，以及主要有哪些内容？

二分类任务，常规看模型精度的，有人用 AUC，你知道 AUC 是什么意思吗？

它有一种类似概率的解释，你还记得它的物理意义吗？

AUC 反映的其实是一种概率吧？比如二分类标签只有 0 和 1，模型会打一系列的分，训练集里有真实标注，那 AUC 是怎么体现这种概率的？

手撕：最长公共子序列。第一遍秒之dp公式略有问题但是样例过了，后面写对了

反问：

1.我这种0推荐基础的进推荐组如何landing？

-模型是搭积木的，策略要自己实现调优

2.搜索大模型用在什么场景上