美团实习 推荐算法 一面面经

给我面没招了....攒人品中
1.如果线上只有弱标签甚至没有人工标注，Reranker 如何进行微调或持续优化？

2.Reranker 和 Cross-Encoder / Bi-Encoder 的关系是什么？各自的取舍点在哪里？

3.为什么要做 Query 改写？它在召回和排序阶段分别能带来什么收益？

4.常见的 Query 改写方式有哪些？规则、模型、生成式方法各自优缺点？

5.在你的项目中，Query 改写的核心做法是什么？

6.有没有读过或参考过 Query 改写 / Query Expansion 相关论文？印象最深的是哪一篇？

7.GRPO 损失函数是什么？公式中每一部分分别起什么作用？

8.GRPO 相比传统 RL 或 SFT 的优势在哪里？为什么要这样设计？

9.在大模型训练过程中，Transformer 通常会更新哪些参数？哪些可能被冻结？

10.从工程角度看，你是如何优化大模型训练和推理效率的？

11.项目中使用的 Embedding 模型结构是什么？是 Encoder 还是双塔？

12.输出向量的维度是多少？维度大小如何影响检索效果和性能？

13.Embedding 向量在实际使用中是如何做归一化、存储和索引的？

14.手撕算法：合并两个数组并去重，如何保证时间复杂度？

15.手撕算法：求前 K 个最小值，使用最小堆实现。

16.手撕算法：子集型回溯问题。如果输入列表中可能包含重复元素，如何避免重复解？