华为实习生招聘

Q:请详细解释一下 Transformer 模型中的自注意力机制是如何工作的?它为什么比 RNN 更适合处理长序列? 难度:⭐⭐ 公司:字节、阿里、腾讯(高频) 算法岗回答要点:   自注意力机制原理  输入序列通过三个线性变换得到 Q(Query)、K(Key)、V(Value) 计算注意力分数:scores = QK^T / √d_k Softmax 归一化得到注意力权重 加权求和:output = softmax(scores) · V    数学推导 Attention(Q,K,V) = softmax(QK^T/√d_k)V   为什么除以√d_k?防止点积过大导致梯度消失 Mult...

1.自我介绍2.拷打实习:介绍一下主要做的事情，包括整个项目的背景。3.讲一下 RankMixer 的结构的核心原理。4.有试过添加更多 Token 吗？它的边际效率在哪里？5.所有场景的样本是一起训的吗？还是一个场景一个模型？6.关于序列建模，序列长度大概多少？怎么生成的？线上延迟会涨吗？7.为什么在那些很稀疏的小场景，长序列上线GTV 会涨得比较多？8.在你们的那个专家网络，是怎么去做协同的？9.你们做的特征优选，特征重要性是怎么去评估的？10.实时数据流的样本生成逻辑是什么样的？11.有做一些纠偏的机制吗？12.手撕：交换相邻字符的最小操作次数13.手撕：二叉搜索树的第 K 大节点📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1. 做一下自我介绍2. 讲一下你做过的系统架构，别只说用了哪些中间件架构最好按数据流讲，而不是按技术名词堆。入口层是网关、鉴权和限流，业务层负责请求编排、规则判断和状态推进，异步层用 MQ 解耦高峰流量和补偿任务，存储层通常拆成 MySQL、Redis、检索索引和对象存储，旁路再挂监控、日志、配置中心和任务调度。真正有价值的是你能指出瓶颈会出现在哪里，比如检索召回抖动、缓存热点倾斜、下游依赖变慢、消费积压或者数据库回查索引失效。3. RAG 的原理你怎么讲，真正落地时它在系统里承担什么角色RAG 不是“检索一下再回答”这么简单，它本质上是把外部知识注入生成过程，降低模型纯参数记忆带来的不确定...

分享一个蚂蚁timeline3.25 一面3.30 二面4.2 HR面4.10 意向书