被横向挂了，希望发出来对大家有帮助！1.怎么理解itemCF的相似度2.itemCF这里引入的正向和反向权重是什么意思3.三种召回的各自的优势和区别，为什么用这三路召回4.为什么itemCF权重是1，binetwork权重是1，word2vec权重是0.15.为什么word2vec的召回效果不好6.讲一下特征工程7.为什么选树模型，为什么选lightGBM,为什么不选深度学习模型8.树模型和深度学习模型在模型和特征上有什么区别，他们分别适合什么情况下使用，为什么9.多头注意力机制是什么，有什么用，为什么不同的头可以学到不同的东西10.你还了解其他的生成式推荐的架构吗，这里为什么要选HSTU11.为什么要用生成式推荐模型去解决这个问题12.还了解什么深度学习模型用于推荐系统13.这个infoNCEloss的引|入解决了什么问题14.InfoNCEloss的温度调大调小有什么影响15.transformer的核心思想16.为什么要除以根号下dk17.MMOE和PLE是为了解决什么问题以及怎么解决的

Java加锁有哪些方式？有哪些不同？线程池底层怎么实现核心线程一直运行的？讲一下AQS怎么实现公平锁和非公平锁的？如何使用redis代替session实现短信登录？mysql使用的B+树能否换成红黑树？如果给红黑树底层加上双向链表呢？当查询select * from table where a > 0 and b = 0；索引要怎么加？讲一下Cache Aside，为什么要先写数据库再删缓存？先删缓存怎么样？先写数据库再删缓存导致数据不一致的场景举例。缓存三兄弟

有无3月19号面滴滴用户平台部的友友们 后端开发的  有oc的吗

1. 写一下 attention 公式，代码实现一下attention 的公式是：计算过程就是三步：先算 (Q) 和 (K) 的相似度分数，再做缩放，然后过 softmax 得到权重，最后用这个权重对 (V) 加权求和。 import numpy as np def softmax(x): x = x - np.max(x, axis=-1, keepdims=True) exp_x = np.exp(x) return exp_x / np.sum(exp_x, axis=-1, keepdims=True) def attention(Q, K, V): dk = Q.shape[-1] ...