📍面试公司：虾皮 shopee🕐面试时间：2025.10.17 11:00💻面试岗位：算法工程师 NLP/知识图谱方向 ❓面试问题：（简历投的很早了，写的很乱，首先自我介绍，面试官要求突出介绍擅长的框架）（漫长的问项目环节。以下内容都是简历里写到过的，面试官全程基本上没有问简历内容以外的八股）为什么用USC方法？是多个不同的大模型，还是同样的模型输出不同的内容?说说SFT具体怎么做的。DPO的数据集如何构建？DPO的原理？讲讲LoRA的原理？DPO和LoRA的数据集结构有没有什么区别？（手撕代码）找最长的回文子串长度：二维dpT T被python的拷贝坑了，初始化二维数组切记不要用 dp...

1. 实习介绍2. 介绍一下第一个项目3. 如果有一些其他特征，怎么融合入模型中4. 对图召回了解吗5. 对排序模型的了解6. 如果要对点赞率，转发率等指标进行预估，你会采用什么模型？7. Bottom shared模型和PLE模型的区别8. 解释一下负迁移和跷跷板问题9. 如何缓解跷跷板问题（其他角度）10. 粗排模型如何训练的更好？11. 粗排的样本选择和精排有什么区别？12. 用户冷启动怎么解决？13. 了解强化学习吗？（面试官应该是想让我从探索与利用方面来考虑冷启动）14. 手撕：Leetcode 59 螺旋矩阵15. 反问：业务范围

岗位偏多模态、内容理解写面经，攒人品1. 从实习项目中提问八股（1）视频数据是如何采样的？抽几帧？分辨率多少？（2）采样后的数据是如何过模型的？（3）用的什么模型？介绍一下？（4）了解其他的多模态大模型吗？介绍一下？（5）介绍一下transformer的结构？（6）介绍一下multihead-attention?（7）multihead-attention为什么要切分？为什么要做成多头的？（8）你觉得多头注意力能提高计算效率吗？结合公式推导一下？（矩阵计算）（9）不能提高计算效率，详细讲讲为什么？（10）multihead-attention现在有一些优化，现在主流的优化都有哪些方向，每个方向...

1. 第一段实习的核心任务与业务目标分别是什么？2. 四塔多目标方案相较经典双塔在 CTR/跨类目召回上带来哪些可量化收益？3. 离线样本构造、天级更新流程及线上特征滞后补偿机制如何设计？4. 用户塔输入特征列表中，哪些对跨类目效果拉动最大？上线后除 AUC 还重点监控哪些业务指标？5. 多模态向量维度规模多大？全量推涨后提升显著的根因分析结论是什么？6. 商品塔接入多模态 encoder 后为何离线指标下滑？定位到哪个环节？7. 第二段实习的特征清洗链路如何缩短 40%？混合负采样的 hard 比例与动态策略、loss、激活函数分别如何选型并对比？8. 是否尝试过 MMoE 等专家网络？专家数量与推理延迟增量各是多少？9. 推荐场景下除 dropout 外的两种过拟合抑制手段10.Transformer 各子层功能及去掉 FFN 的影响11. 编码：在已排序数组中用 O(log n) 实现目标值的左右边界查找