快 star(多模态理解）一面

这把捞我的是ui开发项目一些问题，最后还问了兴趣爱好，一般去哪玩，连i人还是e人都问，面试官看起来挺随和场景题比较多，大多以如果………，你会怎么做，面的都比较简单，没什么八股，记得的问题：如何实现转圈圈动画鼠标悬停渐变js的数组方法有两个长的很像的，说说（slice和splice）react的组件通信嵌入页面的数据通信攻击和防护没有算法题，tx面的最短的一次，有算法的话时间和前几次是差不多的估计1h30min到2h，这次只有1h6min，感觉是有时间要求的，像kpi面，有例行公事的感觉，但比快手体验感好八百倍，对比起来更喜欢鹅了🥹

一面：首先上了一个八皇后给我开幕杀，还好我技高一筹。然后就问了一些八股，聊了聊论文。10分钟后约了2面二面：刚进来也是开幕杀，直接说我的bg不适合互联网，虽然cv岗位少但是也不至于不适合互联网吧然后聊了聊简历，期间多次直言看我的简历对他也是一种成本，看来我的简历确实ugly，人都看不下去了因为我是被调剂过来的，所以压根不指导这岗位是干啥的，所以最后问了问岗位相关，原来是做查询推荐算法的，那确实是不适合。我还以为地图部分的算法会涉及到建图和BEV等等的最后一道公式算法题收尾总结：简历不合适可以把我初筛挂了，kpi也不是这么刷的。

四月中旬才开始投递，总算是抓住了暑期的尾巴time line如下：4.15投递5.6一面5.7二面5.8三面512收到offer（一周速通三面，感觉可以挑战全网最快流程）一面（技术面）：约80分钟1. 自我介绍2. 详细盘问了科研论文的项目（深度强化学习方向），问的非常详细，包括论文的主要创新点、具体的建模细节等，非常刨根问底，几乎每个设计都要问一下为什么，其中也交叉问了一些八股，主要是强化学习方面的，如loss如何计算与传递等。常规问题以外，面试官还进行了一些拓展，比如让我思考这个科研项目距离落地还需要做哪些工作，多目标的奖励权重如何更新等，这部分我答的不好，但是面试官也非常耐心，一步步引导我去进行思考，也和我交流了他们实际业务中应用强化学习的一些设计。3. 然后又盘问了在滴滴做的项目，这个主要是大致介绍了业务的背景、项目的目标、模型选型的考虑等。其中具体问了一些推荐系统模型的八股（因为简历里有写），如w＆d、deepfm、d＆c network等的模型特点。4. 面试官介绍了下组里的一些业务，以及如果我能进来的话可以做的一些方向，涵盖的内容非常广，从传统运筹的路径规划到强化学习再到营销用增方向。由于项目和业务上聊了很多，导致没时间手撕，面试官就让我自己截图回去做，做完微信发给他即可。手撕的题是一道力扣mid，最佳股票策略。二面（技术面）：约40分钟一面结束后立刻发来了二面通知，第二天上午十一点有趣的是，大概当天十点半的时候，二面还没开始，三面的链接就已经发来了1. 自我介绍2. 滴滴实习项目盘问，问的也很细，跟一面的问题有一些重叠，还问了业务中如果遇到没出现的特征应该怎么处理等数据预处理的问题3. 科研论文盘问，dtw距离是什么，如何计算？k中心聚类的步骤，都是一些常见的八股4. 手撕：力扣mid 编辑距离，发现美团很喜欢出动规题5. 业务介绍，一面时介绍的已经比较仔细了，也没什么需要反问的三面（hr面）：约20分钟都是一些开放性的问题，开始侃侃而谈1. 经过前两轮面试，对业务有什么了解？2. 平常有没有用过业务相关的产品？体验怎么样？有哪些痛点？3. 如何利用ai来辅助进行业务升级？举几个具体的场景4. 简历中最能体现自己能力的项目是哪个？具体展开说明5. 过去的几段实习经历里，给自己带来最大改变的是什么？带来了哪些改变？6. 反问    

决赛圈一下，最近又面了俩公司，拜托牛友预选择秋招打算走业务算法+大模型结合赛道，希望暑期能找到业务尽可能垂直、有实际收益的方向，1️⃣PDD-算法工程师（机器学习方向）【已Offer】500/d、11-11-6、无房补、包工作餐搜广推方向，进去之后统一分配，不确定具体业务2️⃣Keep-推荐算法实习生【已OC】400/d、10-7-5、其他福利待定进去之后做主站精排业务3️⃣美团-机器学习/数据挖掘算法工程师300/d、10-8-5、1k5房补、晚上8点后有30饭补核心本地商业-业务研发，做用户增长业务，比搜广推更杂，用uplift等4️⃣京东-算法工程师-机器学习500/d、10-10-5、1k5房补、20饭补京东科技，to b业务，做推荐和营销/投放（两个面试官讲得都有点抽象没太明白和传统的明确区别）拜托牛友帮忙选择，感激不尽