一面（1h）25.8.18自我介绍问百度的实习lay norm和batch norm区别 这个回答的不好有没有手动实现过大模型抗压能力如何手撕 最长回文串

时长 1h自我介绍offer 情况对 AI coding 这一块有啥了解或者使用吗？生成代码，在哪些场景下使用得比较好？简单介绍一下你们现在的研发流程上线完有数据观察的过程吗？埋点上报/性能指标 SDK 内部是怎么实现的？聊实习：当时做性能优化的思路是怎样的？组件替换你是怎么设计的？如何既保证能复用，又保证业务差异化，又保证后续迭代的可维护性如何保证代码质量/不引发线上问题？渐进式地迁移，还做了其他啥动作，能保证现场不出问题？环境标识八股JS 数组的 forEach 方法和 map 方法有什么区别？ CSS 盒模型React 的类组件和函数式组件有什么区别？手写实现一个方法，能串行地执行传入的...

主包背景：两段大厂大模型算法实习tl：8.18投递，8.27一面流程：1.自我介绍 1min速通2.简历项目拷打 25min左右3.结合主包的项目经历，问了有没有用过Prompt Tuning或者Prefix Tuning，结合实际场景谈优劣4.针对推荐系统的曝光偏差问题，常用处理思路5.LayerDrop和Dropout，两者的区别及各自适用场景6.解释一下Group Normalization？主要解决了什么问题？7.Transformer架构中，为什么要使用Position Embedding？有哪些常见的实现方式？8.除了word2vec、BERT，还了解哪些文本或item的表示学习方法？9.手撕10.反问（我问了下部门业务相关，以及校招生入职培养路径）面试官挺专业的，人也比较nice，不是压力面。总体面试体验不错，希望能过

8.23号做的笔试 9.2打电话约面，9月5号下午一面平台：飞书问答：1.自我介绍2.推荐项目拷打项目的轻量级体现在哪？双塔模型使用了哪些队列特征？做了多路召回吗？还知道哪些召回方式？协同过滤召回的优缺点是什么批内负采样是怎么做的？工作过程是怎么实现的？3.其他项目拷打yolov5的正负样本采样如何实现的？推理阶段均值和方差是如何确定的？4.主要研究方向是什么？5.我看你用了一个xgboost模型，是树模型吗？6.对多目标推荐系统有了解吗？单目标和多目标的区别在哪里？多场景下部分场景数据量少该如何解决？（感觉我说的不对）7.特征处理是怎么做的？如何输入到模型？Embedding层需要训练吗？线上该如何使用？8.梯度消失梯度爆炸现象出现的原因？该如何解决（脑子抽了回答成如何解决过拟合问题了）9.Adam优化器和SGD优化器相比的优势在哪里？手撕：ACM模式Leetcode LCR82 组合总和II  与hot100里面那个不一样，但主要都考察回溯反问：1.面试表现如何？有无改进建议2.主要业务是做哪些面试官很随和，压力不是很大，主要是我自己有点紧张了还得练