腾讯推荐算法三面面经

继续来分享下最近的面经~1.项目相关2.八股:1.ChatGPT在模型结构为什么使用decoder only?2.优化器八股?3.方差和偏差的trade-off?4.如果loss震荡，可能是什么原因，如何排查?5.训练的时候，打印什么内容可以定位上述问题?6.transformer和rnn相比，为什么更好?7.国内几个大模型的主要区别是什么?3.无手撕

前言大家好，我是阿甘，知识星球“奔跑中cpp / c++” 的创始人，垂直于 cpp / c++相关领域的辅导。之前给大家录制过一个视频，就是烂大街的项目别再做浪费时间了。那这个烂大街项目的单子是哪里来的呢？是星球一位同学投递一个公司，哪个公司hr发给他的，由此可见，公司已经被恶心到什么地步了。但是，有些同学不知道这些情况，已经学习搞懂了这些项目。 那既然搞懂了肯定不能白搞懂，那就要写在简历上。 毕竟多写点技术的东西在简历上，只会加分不会减分，只是加分多少的问题。那针对操作系统XV6这个项目，简历应该怎么书写呢？今天给大家分享一下，我们星球针对这个项目写的比较好的同学大家可以借鉴一下，取其长 ...

继续来分享下最近的面经~欢迎友好讨论，信息共享1.实习拷打2.拷打第一个项目:2.1新引入的特征来自于什么场景?具体类型是什么?2.2线上收益多大?是否显著?实验是否推全?2.3模型训练数据的融合方式，是离线天级别更新吗?2.4消融实验都做了哪些?哪个模块贡献最大?2.5线上效果是否一上来就为正向(是否遇到离线好但线上差的案例)3.拷打第三个项目:3.1模型Token化改造的动机是什么?3.2Token化和Embedding有什么区别?3.3整体结构参考了哪些业界方案?3.4超长序列如何压缩?3.5是否做了模型的scaling up?模型的参数量和计算量在什么level?3.6 收益的主要来源是什么?3.7后续的迭代方向?4.AI Coding相关问题4.1AICoding题(冷启商品推荐&线上指标异常排查)你是怎么思考的?4.2平时是否使用AIcoding/AI数据分析?

继续来分享下最近的面经~1.实习拷打2.拷打第一个项目:2.1数据构成和特征处理方式?2.2多任务融合权重怎么设定?是否固定权重?设定的依据是什么?2.3 Pairwise 为什么选 soft margin hinge loss?3.拷打第二个项目:3.1为什么要添加新的行为序列?与已有序列之间的关系?3.2序列建模方式尝试了哪些?为什么最后选Target Attention?3.3有没有试过使用更长的序列长度?3.4序列item和candidateitem是单独还是共享Embedding?4.拷打第三个项目:4.1与RankMixer 的差异是什么?4.2QKV和FFN参数异构的必要性?4.3是否了解 RQ-VAE/RQ-Kmeans?5.Coding:5.1计算AUC(其中包含同分样本)5.2最大子数组和(Hot 100No.53)