timeline：

9.30 一面，2小时后通知通过

10.10 二面，第二天通知通过

10.21 三面，2小时后通过

10.22 hr面，电话十分钟问了下offer情况，然后走offer审批

10.27 收到意向

一面

1. 算法题：

1. 312. 戳气球

2. 多头自注意力

2. 八股：

1. transformer为什么要除以根号dk

2. pre norm和post norm分别适用于哪些场景？

3. 实习相关

1. 为什么不用tranformer decoder做序列生成

2. 用户侧和广告侧用到了哪些特征？

3. 如果考虑用户历史行为序列，如何加入做特征交叉

4. 如何做可导sample

5. 两个模块的分数，如何融合在一起做infer

二面

1. 算法题：322. 零钱兑换

2. 实习项目相关

1. 一价计费满足激励兼容吗？

2. GSP和VCG中的效用和社会福利分别代表什么含义？

3. regret net如何保证激励兼容？

4. 扰动的范围对结果有哪些影响？

5. 如何设计机制来保证激励兼容？

6. 机制设计经历了哪几个阶段的模型发展？DeepGSP是怎么做的？

7. DNA为什么要用MIN-MAX网络？

8. 广告主的出价模式是什么？

3. 八股：

1. transformer里使用了什么激活函数？

2. 为什么要用relu？

3. relu有哪些缺点？

4. GPT中用了什么激活函数

5. transformer的attention中的QKV是一样的吗？

6. 为什么要设计成不一样的？

7. 了解哪些优化器？

8. adam之后的优化器是怎么做的？

三面

1. 算法题：40. 组合总和 II

2. 八股：

1. 训练模型时遇到过哪些问题，怎么解决的？

2. 梯度消失怎么解决？

3. 离线和在线指标不一致怎么解决？

3. 实习项目：

1. 小波分解的结果如何确定是噪声

2. 小波分解具体是怎么做的

3. 线上怎么infer的

4. baseline是什么？