1.简历项目介绍2.如何做attention，为什么attention要除以根号dk?3.讲讲你对Embedding了解多少？4.对推荐系统都有哪些了解？常用技术点有哪些？5.从从ROC到AUC、再到GAUC，它们分别是什么，有什么区别？6.为什么Transformer选用LayerNorm而不是BatchNorm？7.如何进行模型的在线训练，和离线训练有什么区别？8.项目中涉及的模型是如何进行输出的，是否涉及在线预估？9.介绍多路召回策略。10.交叉熵怎么理解？11.算法题：三数之和

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?

👋个人背景：2本9硕，2实习无论文👏offer1：字节tt推荐大模型，base上海，主要是短视频推荐，主端信息流冷启动方向，面试官说主要在探索生成式推荐，强度早九点半晚九点半，toc业务;💯offer2：阿里云瓴羊，暑期实习转正，base杭州，岗位是大模型算法，主要方向是智能客服，RAG，agent等，但我应该是主做rag，强度早十晚九，tob业务;两家给的十分接近，字节业务貌似更好，但以前没接触过推荐，阿里云组内更熟悉，不用担心landing或者试用期不过，但是商业化团队技术感觉不强

（1）蚂蚁集团：Base杭州，暑期实习转正，组里氛围不错，强度不算高，方向主要是大模型推理优化，以 vLLM/SGLang 为主，主要以技术驱动，类中台性质，n*15+2*12，应该还有 a 空间，作息正常 10(8-9)5（2）字节跳动：Base上海，Data推荐架构大组，小组做头条/抖音/剪映等业务线下的内容审核/理解架构支持，主要支持自己业务场景的模型推理，据说推理以 N 卡为主，但是后期会逐渐转国产卡适配，(n+6)*15+1*12+qzf，应该是终版薪资了，作息据说 1095，据说组内算法：开发比例高，担心 oncall 严重加班严重麻烦各位帮看下。比较在意技术积累和后续的职业发展（跳槽/晋升）。另外杭州有人才补贴+生活成本低，字节虽然常年 1k 房补但是要求车程 30min 内，生活成本相对较高。