字节中国交易与广告 二面 9.23

帮帮选offer，请留下你的宝贵建议1.佛山美的库卡算法2.深圳腾讯teg运营薪资情况：鹅总包要比美多几个w（包括股票），但鉴于城市，我认为相差的不算太多工作内容：专业和库卡这边更加对口，鹅这边整体是运营，有技术，但感觉深度一般，不好跳槽工作时间：听说库卡五点半下班不加班，鹅这边基本三四天加到晚8.30工作地点：本人家离美的很近，但深圳是一线大城市

第一次来到美团实习也就是24年上半年至今已经一年半多了，目前经历的几个组给我的感受来看是wlb的，目前状态的话是10 9 5，会根据工作量的大小前后浮动。别人的情况夯：在校招培训的时候从和我组队的小伙伴那里也了解过一些其他人的情况，其中有个兄弟让我印象深刻，他是做开发的然后他和我说他平时七点就下班了（10 7 5），然后他们组基本都这样。这当时完全超出了我的认知，开发岗七点钟下班在这几家头部公司是很少见的，当时组队的同学都很羡慕。拉：后来又在公司认识一个朋友，然后他平时基本都是11点以后下班，他的原话就是晚上11点一抬头人全在。业务比较多，特别是一些新起的业务或者发展比较好的业务压力还是挺大的...

最长公共子序列 求序列？中间endpos作用？是否一定包含在最终序列中？（没跑通，时间不够寄了）复盘：没睡醒没想起来该用backtrack来恢复序列，写的方法错了。rand5实现rand10？期望次数？有优化空间吗？（最后一个没答上来）后续复盘：之前我答的rand5(), 若1，3则 += 0， 2，4 += 0，5重骰，这种方式无法优化但对于rand5() * rand5()，若<= 20则直接%，反之重骰，这种方式有优化空间：落在21-25不重骰，直接复用作为另一个rand5Logistic regression？为什么用CE不用MSE？（先说了极大似然估计，追问还有吗，讲了数值稳定性并加上了sigmoid函数后两者梯度的公式推导）二分类指标？解释一下AUROC？实现中怎么做？（acc --> recall, precision, F1 --> AP & AUROC; 写TPR FPR公式 ;离散化，给定若干个threshold，记录点，然后处理成类似柱状图的计算方式）模型训练出现NaN或者loss不下降的情况？简历项目拷打，讲的强化学习介绍一下强化学习的这些策略？DQN -- > PG --> AC --> A2C，没来得及讲PPO，追问Q和V的关系问GRPO的具体reward？（大致按照自己理解讲了一下怎么从PPO来的，核心在同个state做出不同动作多次采样，归一化训练），训练时间与PPO相比？（其实不是太清楚，从策略空间分析了一下，单次epochGRPO更慢，因为多次采样，达到相同效果需要时间更少，因为当策略空间很大时，PPO需要更多采样次数才能达到与GRPO相同的效果，即多次到达同一个state 选择不同action）训练过程除了你讲的多次采样还有区别吗（没答上来）Update: 没想到过了，感谢面试官捞人！