继续来分享下之前的面经~欢迎友好讨论，信息共享1.介绍一下你做过的推荐相关项目。2.为什么不直接用单任务模型去预测 PCVR？这样不是更直接吗？3.为什么多任务模型会比单任务模型效果更好？4.在 ShareBottom 结构中，输入的特征是怎么选择的？5.广告模型中使用的特征主要有哪些类别？6.用户侧特征都包括哪些？7.做模型结构优化之前，有没有考虑过先从特征统计层面做优化？8.PLE 和 MMoE 有没有用过？9.为什么它们的效果不如当前使用的模型结构？10.共享屏幕，随机打开一篇介绍 MMoE 的博客，讲一下它的核心思想。11.MMoE 你觉得最大的亮点在哪里？12.写一下 MMoE 的伪代码13.在做特征优化时，你是从已有特征中选择一部分做增量，而不是不断增加新特征，这个策略是怎么考虑的？14.Q、K、V 的并行计算是怎么实现的？

携程的面试官给人也非常的友好；1.自我介绍；2.开始狠狠拷打项目，面试官也会引导我进行一些题目的回答；3.全程就问了一个八股：乐观锁和悲观锁，以及CAS操作；4.手撕LRU缓存

组里氛围愉快，技术强，招Agent和算法，简历直达Leader，有意私聊我，速来~以下为JD内容：职位描述1. 大模型驱动的算法革新：参与大模型（LLM、多模态大模型）在电商核心场景（搜索、推荐、广告、多智能体对话等）中的算法创新与应用；研究大模型与经典搜推广模型的融合方案，提升模型效果与用户体验；2. 下一代AI系统构建：通过分布式训练、模型压缩、低延迟推理等技术，面向工业级应用完成千亿级参数大模型的高效训练与部署；尝试生成式AI、多智能体协作等前沿方向，推动AI技术在电商领域的创新应用；3. 大模型在亿级用户规模落地的实战：直面淘宝数亿用户、百亿级行为数据的挑战，落地大模型应用；参与双11、618等顶级电商场景的算法优化，见证大模型技术驱动商业增长的完整链路。职位要求1. 计算机科学/人工智能/机器学习等相关领域的硕士或博士，具备扎实的编程基础（Python/C++/Java），熟悉常用算法与数据结构；2. 掌握机器学习基础理论，了解搜、推、广系统/自然语言处理/多模态等至少一个领域；3. 有PyTorch/TensorFlow等框架使用经验，参与过算法竞赛（Kaggle/天池等）或开源项目者优先；4. 对AI技术充满好奇心，主动关注大模型、搜推广系统、NLP、强化学习等领域前沿进展；5. 在顶级会议或高水平期刊发表过论文，或有复现前沿论文的经验者优先；6. 具备较强的问题拆解能力，能通过数据分析定位业务痛点并提出创新思路；7. 良好的沟通能力，能与工程师、产品经理高效协作，将技术方案转化为业务价值；8. 对电商场景有基本认知，愿意深入理解用户需求与商业逻辑。【加分项】1. 有大模型训练/微调经验（如Llama、GPT、多模态模型）或搜推广算法相关项目经历；2. 有海量数据处理经验或者大厂实习经验；3. 在算法竞赛中获得优异成绩（ACM-ICPC/挑战赛TOP10等）或者顶会论文发表。

投了好多家了，都没有回应 最遥远的距离，就是已读不回