吉利       让我也打开简历，简单做个自我介绍（说着说着就开始讲细节了，嘴管不住）       了解的知识图谱的书，推荐些（推荐了大老板的= =）       了解的哪些做的比较好的国内NLP/KG团队（清华KSE、刘知远、浙大OpenKG--我说不确定是啥具体实验室，我关注了这个公众号和网站）       多任务模型的loss怎么自适应权重       crf原理       基于Bert的序列标注任务去掉crf效果是否有影响       lstm的门有哪些，怎么运算的（这个答得不好，当时把他当黑盒用了，对门控机制不熟）       交叉熵、BCE、softmax、sigmoid       深挖Bert，Bert的结构，base有多少层、BatchNorm/LayerNorm、Bert的输入、残差层公式、是否了解BPE/WordPiece/SentencePiece（这个答得不好，记不太清楚了），其实问的还不够深入，我还准备了比如多头注意力的并行计算细节之类的，有种拔剑四顾心茫然的怅然若失（这就问完了，不及我准备的十分之一呢）       GNN没有问，可能是不做这个方向       论文和科研工作的时间分配，是否介意工作地点在宁波      比亚迪           面试官提前一天加了微信，然后第二天打微信电话过来，很新奇的体验          介绍下自己（这回学聪明了，说的很简洁）          深挖项目，包括数据集的半自动标注、模型输出的后处理、逻辑推理的规则制定、自定义的图结构的优势、怎么卷积、为什么缓解稀疏性问题等等，面试官好奇心蛮强的hhh问了好久          问技术，主要是分类问题的几个损失函数（问了一个KL散度与交叉熵、BCE的区别，没答上来）、Bert的正则化、如何解决过拟合问题、图学习的过平滑问题有什么解决方法（我知道这个问题，不知道解决方法哈哈哈哈，就说限制下卷积层数）          更泛泛的技术问题，C++的对象特征有哪几个、具体介绍下、C++的多态有哪两种（答得不好，记不清了）、python的装饰器          问了道算法，让我在百万级规模的样本集上做随机有放回采样，每个样本出现概率已知且总概率和为1，我说按概率大小划成区间，每次摇个区间总长度范围内的随机数，落在哪算哪，问我复杂度是多少，我说O(n)吧，问能不能再优化，想了想说是不是可以参考求区间中值的二分思路，问时间复杂度，答O(logn)，问能不能再优化到O(n)，面试官很有耐心，慢慢提示我，让我说几个可能的思路，我说并行，分好几块同时做查找，面试官说这样只能优化常数级，还是logn，能不能再优化，我说或者考虑一些数据结构，比如堆或者哈希，面试官落泪，说你终于说到了，就是哈希，提前把所有可能算出来然后做哈希，我一拍大腿，说妙蛙（其实就是离线运算把结构持久化成哈希表，这种方法在工业界似乎很常见，例如推荐召回时的向量检索等）          最后问了工作地点，在西安和深圳，我说都可以，能不能推荐个，面试官和我推荐了深圳，说深圳人多一些，我说那就深圳辣，面试官说好那就给你写深圳（落泪）               总结下吧，对CRF、LSTM掌握的还不够，另外简历别写技术栈是C++，被问傻了= = 这两天的两次面试，面试官人都很奈斯，让我感觉到了做NLP和做RS的画风果然完全不一样（哭），对俩公司好感upup，希望能再推进吧哈哈哈哈