快手海外推荐

快手 海外推荐部 一面（4.2）二面（4.7）HR面（4.14)腾讯TEG AI平台部 一面（3.11) 二面（3.15) 三面（4.2)  HR面(4.16)腾讯流程太慢了，中途卡到怀疑人生；快手HR面后出了点小插曲，差点以为拿不到了，但mentor人很nice，还帮我向boss争取（快手是所有面试里体验最好的）。未来工作打算做搜广推，感觉拿着游戏AI的实习找对口工作比较难，所以还是打算接快手了

bg 双非本211硕2月多投的某个人才计划，后面走的实习生面试流程，hr说是留用实习但我没查到这种说法，好像说鹅厂内部已经不区分实习类型了？     一篇ccf b论文一作 音乐方向     3.6 第一轮同事面，聊了下自己论文，介绍论文motivation、模型架构的选择等等。聊了下实现的时候遇到什么问题。  问了一道场景题：如果在音乐中希望控制生成某些时间节点能有重鼓会怎么做（开放性）  手撕了个树的层次遍历，自己开ide写数据结构和测试用例。 反问：Facebook的musicgen在生成长时间音乐的结尾经常出现非常大的噪音是为什么？（猜测是transformer在接受过多信息后的结果）...

1.wxg公众号&小程序&微信小店团队-应用研究，平台治理方向（开发、优化机器学习模型用于内容审核、商家行为管控、用户安全等治理场景）2.美团核心本地商业-闪购-搜推大模型（虽然是说大模型相关的岗，面试官说其实还是以传统推荐为主） 平台治理看上去和风控有些相似，但个人不是很了解这个方向，据说技术栈比较浅，担心发展上受限制（个人平时做的都是深度学习模型开发，所以内心更倾向偏技术向的研究） 搜推作为算法岗的硬通货，岗位选择更灵活，看似前景更好，加上有大模型之类的技术加持，未来可能有更高的“溢价”。所以我纠结的点其实主要在于这两个岗位的发展潜（钱）力、技术深度（或许还有wxg这个title）。球球大佬们可以给个建议呜呜呜

4.11号约的一面，横向三天16号约的18号二面，二面表现有欠缺，各位佬看看我能不能进三面。1、拷打项目。项目是关于CV的，面试官没有这方面经验，但是会一直细问项目的细节，让我一步一步地讲解给他，他全部理解了才会下一个问题，虽然问的都不深，但是问的很细，基本都回答上来。2、问机器学习的八股文。逻辑回归、线性回归、归一化、正则化。正则化回答的不太好，L1稀疏化的原因没答好。3、Transformer八股文。encoder、decoder、layer Normal和Batch Normal等，就是基础的Transformer细节。4、推荐系统八股文。问了解多少，因为我是CV的，所以了解没有很多，讲了讲基本的流程，粗排和精排。问知不知道精排的深度学习的模型，我没太了解过，说了个MMoE。5、手撕简单，就是个排序。但是一个字母写错了，面试官要求运行，调试了两三分钟发现一个字母写错了。这还有希望能进三面么。因为手撕很简单一个题，结果写错一个代码。面试官一直在安慰我说有点自信，手撕其实没有那么重要，一直在安慰我。（快手的面试官真的very好）这还有希望能进三面嘛，好痛苦啊，很想去手子