3.19米哈游后端第二题 怎么反馈问题？

祝大家都能拿到满意的Offer！1. 项目拷打2. 实习拷打3. 模型为什么不直接用单任务估 pcvr，这不是更直接？4. 为什么多任务模型比单任务更好？5. 特征层面进Sharebottom特征怎么选的？6. 广告模型用的特征具体有哪些类别？7. 用户侧特征都有什么？8. 自己有具体去看过特征吗？比较重要的有哪些？9. 做网络优化前有考虑先从特征统计层面做优化吗？10. PLE和MMoE用过没？为什么效果不如当前的模型优化？体现在哪里？11. 共享屏幕随便打开一个讲 MMoE 的博客讲一遍12. MMoE 你觉得最大的亮点在哪里13. MMoE 伪代码14. 关于增量特征，从原始特征选一部分，而不是做更多新特征，这点怎么考虑的？15. 八股 QKV怎么做并行的 写个伪代码16. 场景题：滴滴打⻋用户一公里之内随机出现⻋，求距离期望

总的来说是一个做交付的组，一面问的很杂，表现出来的像是主要做运维，解决一些客户的线上问题，做一些 docker 的打包交付，vllm/sglang 只是想知道简单的配置选项二面自我介绍完之后ld直接问我方向不是很匹配会不会去，我说不会，就友好结束了腾讯云 - 技术与产品方向 a. 自我介绍，对某AI芯片厂的经历比较感兴趣 i. 讲一个实习中最有亮点的算子，遇到什么问题，怎么解决 ii. 遇到过什么坑吗？ iii. 性能怎么调试？模型 -- 看op占比，算子 -- 看关键代码 iv. 精度怎么调式？op -- 单测，模型 -- 逐层对比 v. 对训练有什么了解吗，你们在训练过程中是如何做加速的？...

不一定吧。有些小公司虽然规模不大，但能参与的事情比较多，学东西也快。如果团队靠谱、业务方向也不错，其实也是一种不错的起点。

这可能是目前 AI 面试中最拉开差距的一环。大部分求职者的简历上写着“通过优化 Prompt，提升了生成质量。”面试官往往会微微一笑，紧接着抛出一记灵魂暴击：“那你怎么定义‘质量提升’？你怎么用数据证明，你的 模型 跑得比昨天更好？”这个时候，如果你挠挠头回答：“我自己抽查了几条结果，感觉变好了……” 那基本就凉透了。正所谓乱花渐欲迷人眼，靠人工“抽盲盒”式的肉眼查验，很容易陷入“只看好案例（Cherry-picking）”的自欺欺人中。在真正的工程落地面前，这种“凭感觉”根本站不住脚。回答应该直接把 Eval（评估）体系拍在桌面上：“在修改任何一行核心逻辑或 Prompt 之前，我会构建一套...