荣耀推荐算法实习一面 40min

发一下问题给大家参考，攒攒人品！1. 挖实习项目细节2. 介绍下PNN，PPNET，MMOE3. 多任务学习怎么调loss权重，写下用到的方法的伪代码4. 怎么进行分数融合？5. 了不了解Ltv的建模方式？6. 采用条件概率方式建模的前提？7. 讲Transformer和Bert？分别适用于什么任务？8. 算法题：三数之和

祝大家都能拿到满意的Offer！1.实习拷打2.项目拷打3.仔细介绍相关项目4.细节追问5.贝叶斯平滑的作用;贝叶斯平滑公式RMSNorm与LayerNorm区别6.负采样的考虑，为什么用batch内随机负采+困难负采7.scalingup怎么做的8.评估指标考察(Hitrate和NDCG公式和含义)9.过拟合解决方案10.L1与L2正则化区别11.代码题:旋转有序数组查找acm模式

继续来分享下之前的面经~欢迎友好讨论，信息共享1.实习项目拷问半小时2.推荐项目拷问十分钟：做的是什么，数据包含什么，什么是AutoInt3.八股：AUC物理含义和定义4.手撕：开根号回答得还行，手撕也秒了，但是可能不太匹配

给我面没招了....攒人品中1.如果线上只有弱标签甚至没有人工标注，Reranker 如何进行微调或持续优化？2.Reranker 和 Cross-Encoder / Bi-Encoder 的关系是什么？各自的取舍点在哪里？3.为什么要做 Query 改写？它在召回和排序阶段分别能带来什么收益？4.常见的 Query 改写方式有哪些？规则、模型、生成式方法各自优缺点？5.在你的项目中，Query 改写的核心做法是什么？6.有没有读过或参考过 Query 改写 / Query Expansion 相关论文？印象最深的是哪一篇？7.GRPO 损失函数是什么？公式中每一部分分别起什么作用？8.GRPO 相比传统 RL 或 SFT 的优势在哪里？为什么要这样设计？9.在大模型训练过程中，Transformer 通常会更新哪些参数？哪些可能被冻结？10.从工程角度看，你是如何优化大模型训练和推理效率的？11.项目中使用的 Embedding 模型结构是什么？是 Encoder 还是双塔？12.输出向量的维度是多少？维度大小如何影响检索效果和性能？13.Embedding 向量在实际使用中是如何做归一化、存储和索引的？14.手撕算法：合并两个数组并去重，如何保证时间复杂度？15.手撕算法：求前 K 个最小值，使用最小堆实现。16.手撕算法：子集型回溯问题。如果输入列表中可能包含重复元素，如何避免重复解？