（总共1h6min）1.自我介绍2.coding数据流中位数，要求手写堆，leetcodehot100原题问二分类交叉熵的公式针对某个场景题，手写注意力机制，问为什么要除以特征向量维度的根号。问softmax公式手写梯度下降求sigmoid(x)等于某个值高数都忘了，求导都不会，sigmoid也忘了，大家一起绷不住的笑了。3.反问太菜了不敢问，然后评价我coding可以，估计没啥夸的了。

个人背景可以看之前写的腾讯LLM面经一面 2024/3/15 晚上15:00-16:00先自我介绍，大概1分钟论文，介绍大致创新点，和之前的研究有什么区别论文中用了什么数据集？如何对模型进行评估？数据集是自己处理的还是什么深挖快手推荐算法实习主要负责人什么业务，以及推荐链路中的什么阶段思路是mentor提供的还是自己想的，有和其他人进行对接吗？xgboost是如何进行操作的？具体原理？图存储Hive之类的问题，最终上线以及取得的效果如何？问了一些Transformer的问题：手写自注意力，手写多头注意力，除以根号下dk的作用Transformer的encoder，从输入到输出的具体过程多头注意...

时间：4月12日11:00～11:50先是确认了一下，做的是cv，为什么投推荐算法岗。然后是自我介绍。自我介绍完选择一个自己最拿手的项目进行讲解，期间问了问细节。然后问基础知识：BatchNorm和LayerNorm的区别，为什么cv当中用BN而nlp当中用LN，具体的计算方式。L1和L2的区别，为什么计算L1容易导致稀疏矩阵而L2不容易导致稀疏矩阵，这两个求导分别是什么。auc的含义，如何计算，ROC曲线的含义，横纵坐标是什么，真阳率和假阳率分别是什么。Wide&deep中用了几个优化函数，分别是什么，为什么这么用。然后做题：34. 在排序数组中查找元素的第一个和最后一个位置改了一下，只用查最后一个位置最后反问。感觉要凉————————4月13日更新挂的挺快hhh 凌晨发的邮件

3.6腾讯pcg：人生第一次面试，准备的也不好，面试官偏向工程化，问的全是八股和项目细节，问了简历上写的es，ann，大模型，linux命令之类的，没怎么问推荐算法，手撕合并升序链表没撕出来，但是第一次面试感觉还蛮好，而且也是这几次里唯一一个主动先介绍部门情况的面试官3.26腾讯视频号：第一次那么菜居然还被捞了，感觉是kpi因为面试邀请甚至都看不出来部门还是反问时才知道，这次上来先写一道数组排序，暴力写出来了让我优化（堆排序、快排）讲了一下思路，针对项目提问，这个面试官就偏向深度学习那一块，问我怎么微调的有监督无监督之类的，问我在学校的情况什么的，四十多分钟就结束了，面试官全程也是懒洋洋的3....