vivo推荐算法3月21日

前两个流程都被结束了，然后被腾讯视频捞了，之前的面经马上到达字数限制了，所以新开一文记录。一面时间：4月17日 16:00 ~ 17:00上来先是做了一下自我介绍然后开始问实习的项目，让详细的讲，期间就夹杂着八股。使用的什么loss函数，除了交叉熵损失函数还了解哪些损失函数。项目过程中有没有遇到过过拟合的问题，什么原因造成的，什么办法解决。为什么L1和L2正则化能够缓解过拟合的问题。项目过程中模型设计方面遇到过什么问题，怎么解决的。什么时候会用softmax，和sigmoid的区别。了解什么召回算法。双塔降维的流程是什么？现在tf比较熟悉了吗。（因为提到上一段实习中最开始不习惯使用tf而是习惯使用pytorch）因为上段实习中讲到了特征降维，面试官问了一个场景题，比如当前情况下我没有任何用户的过往历史数据来进行学习，但我需要进行特征降维，我应该怎么做？后来面试官讲到他们目前遇到这个问题，然后想看我有什么想法，最后讲他们使用的VAE，问我有没有了解过VAE。结束之后做了一个算法题：1120. 子树的最大平均值然后就是反问时间。希望能过吧，三战腾讯了----------4月26日更新二面时间：4月25日 15:00 ～ 16:10主要就是问简历上的项目，然后从项目开始扣八股。介绍一下transformer，位置编码为什么要用三角函数。了解过哪些推荐算法，说了DIN就让简单介绍一下。思考一下如果是短视频推荐当中的序列，应该怎么编码。了解SGD，adam等优化器吗？adam和adagrad各自的优缺点以及适用场景。如果要从头开始做一个预测用户视频观看时长的模型，应该有哪些步骤？如果同时要优化用户的点击率和用户的观看时长，应该怎么做？多任务模型了解过哪些？权重共享是共享哪些部分？实习中用到了降维，因此问了一下了解过其他降维方法如pca没有？没有做算法题，如果过下一面是总监面，不知道结果如何，祈愿

个人背景可以看之前写的腾讯LLM面经一面 2024/3/15 晚上15:00-16:00先自我介绍，大概1分钟论文，介绍大致创新点，和之前的研究有什么区别论文中用了什么数据集？如何对模型进行评估？数据集是自己处理的还是什么深挖快手推荐算法实习主要负责人什么业务，以及推荐链路中的什么阶段思路是mentor提供的还是自己想的，有和其他人进行对接吗？xgboost是如何进行操作的？具体原理？图存储Hive之类的问题，最终上线以及取得的效果如何？问了一些Transformer的问题：手写自注意力，手写多头注意力，除以根号下dk的作用Transformer的encoder，从输入到输出的具体过程多头注意...

昨天傍晚约的今早面试，有点猝不及防早起下大雨，冒着雨到实验室面试，裤腿和鞋是刚淋湿的，衣服和那啥是没晒干的耳机还坏了，临时接了个连蓝牙连了好久面试官来迟了三四分钟，我以为是不要我了，紧张的要死，刚开始说话都有点抖全程没问推荐系统，感觉有点凉许愿团子oc，饿了么已经卸载了，点外卖只用美团(oc了我直接吃一周美团)

用的是赛码的面试系统，面试官到点发起了语音通话，在线IDE。------------------------------------------------------------------------------------自我介绍，五分钟结束，然后面试官没有就自我介绍提问。直接说开始做题，从这里感觉到这是KPI面了。-------------------------------------------------------------------------------------第一题是求两个字符串最长公共子序列构成的字符串。没有写出来（结束后才发现是公共子序列的...