快手推荐算法一面

最近面试少了， 精力放在工作上。 偶尔面试保持手感即可。 今天这个学习意义比较大就记录一下。
面试本身没啥特殊的，就是项目+八股+代码。
项目问了我的蚂蚁实习， DeepFM 相关的东西和大模型相关的东西。
所以问了一些八股
1.DEEPFM 介绍一下（聊了一些）
2. 还了解别的推荐的模型吗（不了解）
3. LLAMA 和别的模型架构有啥区别？
4. Llama 用的是什么 norm 和激活函数（都忘记了，两个都答错了，没复习）
5. LLAMA 和 Bert 有啥区别？
6.flash attention 了解吗？ 怎么做的计算？

还有啥忘记了。 写代码题，最长严格递增子序列。（我只会 On 方 dp， 面试官一直告诉我用贪心+二分降低复杂度， 我感觉他是理解错了， 跟我说的思路我感觉是有问题的。 争论了半天， 还是 On 方写了）
反问：不重要
面试官人还是很好的，教育了我一顿。。。
1. 简历为什么要字节放蚂蚁前面， 会让别人认为你是做开发（字节开发 蚂蚁算法）
2. 蚂蚁这个实习还是太虚了， 没什么落地价值。 感觉我推荐也不懂，大模型懂得也没他多。 基座大模型肯定面不上， 但是大模型应用坑很多，有机会。 
3. 让我之后一定要多补搜广推的知识， 再结合一些大模型的知识，面一个大模型搜广推不难。
4. 一定要改简历， 他看我连用户增长这种边缘都挂简历了，很不理解，一看简历写的很差。。
感觉他说的还是非常有道理，简历这块已经好几个面试官说了，只是已经摆烂阶段，就没改。 至于学哪方面知识，还是比较重要的。估计很多同学和我差不多，就是半桶水。 所以可以多学搜广推八股， 找个杂交岗位。