米哈游 部门评估

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

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...

AI面试最怕的不是不会，是“只会背概念”。面试官问RAG、幻觉、Agent，其实是在试探你有没有动手经验。与其堆术语，不如讲一个真实场景：比如用LangChain搭过知识库，遇到检索不准怎么调；或者用提示词压缩token踩过坑。AI面试的核心只有一句：你说你懂，那代码跑起来了吗？

今天看到一件事，我对着屏幕沉默了良久。事情是这样的：他今年 25 岁，来公司三年，一直做一些偏基础的开发、维护类工作，平时话不多，做事也算踏实。我一开始还以为是薪资、晋升或者团队氛围的问题，结果他完全没提这些，只反复说：AI 发展太快了，他每天都很焦虑。他说自己现在做的很多工作，比如简单的 CRUD、脚本编写、问题排查、文档整理、重复性的业务开发，AI 已经能完成一大半，甚至比他写得更快、更规范。他越用越慌，总觉得自己现在这套技能，再过一两年就彻底没用了，岗位迟早会被 AI 替代，到时候更被动。他不是不努力，也不是不想学，就感觉学了也没用，越学越迷茫，不知道该往哪个方向补，每天上班都被 “被替...