地平线 算法岗实习 一面

一面/二面 压力都不大，只有一些八股值得参考：1.交叉熵损失的物理含义是什么？2.KL散度的本质是什么？3.用什么loss比较多？我说一般就mse，又通过focal loss，让我接着介绍，如何平衡正负样本。三面，我以为轻松了结果是最硬核的技术面，问了一堆八股，并且要求现写公式，不到最后都不能放松警惕啊：1.讲讲python的dict底层是怎么实现的？hash实现2.如何解决hash碰撞？说了个线性探测（其他真不记得了）3.C++的STL还熟悉吗？完全不会，3年没写了。4.好吧那不问了，flash-attention了解吗，讲讲原理？5.kv cache了解吗？6.Q要cache吗？7.讲讲常见的标准化，LayerNorm，RMSNorm？8.实际应用你觉得什么区别吗，现在哪个用的多？9.问了这么多才开始讲项目，等我讲完面试官直接总结，你的项目是在高维特征添加了一些low-level的视觉信息做work，现在有个开放的问题想问你：大模型的语料是有限的，但是搜推链路上token可能是无限的，比如可能一个蛋糕，每个用户的每一次蛋糕购买记录都是独立的，蛋糕1，2...100，你要如何解决？10.似乎我没理解对，追问不对不是这个意思，重新问：大模型的数据是非常多的，但是搜推的数据可能很高维度而且不多，比如用户看到图->点击右上角->再点到推荐购买->.......，整个特征链路非常长，这种数据量不像大模型训有非常丰富的语料，你如何解决这个训练问题？

直接简历挂（直来直去挺好）:虾皮，高德地图，淘天，京东，理想，文远知行，帆软，阿里国际，平头哥，途虎养车，蔚来，钉钉，作业帮先笔试，然后简历挂（浪费时间公司）：大疆（卡本科学历吧），饿了么，vivo#牛客AI配图神器#能推进到面试，面试进展很快，体验还不错：美团推到一面（可惜一面后排序挂），米哈游，得物，滴滴，阿里菜鸟，讯雷，金山办公，三七互娱，CVTE，吉利汽车，新凯来面试完泡池子，没出结果：小米，赛力斯怀疑kpi面（看学历或者其他原因，象征性面试后感觉表现不错也挂）：小红书，快手，蚂蚁，阿里灵犀至今了无音信，磨磨唧唧（官网看也没挂，也不推进，无消息）：飞腾，沐憧科技，去哪了，腾讯，哔哩哔哩...

二面拷打项目一个小时🥲加a出算法（链表归并排序）一共82分钟，面完空干舌燥，头晕的不行😭感觉好多不会的沉淀一下再战🫡

想问一下牛客的大佬，我现在有一段米的实习，片数据挖掘，用到的都是机器学习，现在想转推荐算法，想问一下，现在这个赛道学历要求高吗？ bg：双非本（双一流），211硕