shopee 搜推算法 一面 55min

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2. grpo 和 dpo 以及跟最早的 ppo 有什么区别，这个你有了解吗？3.在做大模训练时，一般用全参数微调还是 lora 微调？简单描述下 lora 的原理。4.训练的优化器一般用什么？ Adam 跟 SGD 的显存相比哪个占比更高？5.对搜推有了解吗，比如精排、召回的模型？除了 FM 和 DeepFM 这种做特征交叉的结构，还有哪些其他的做特征交叉的结构吗？ DCN 了解吗？6.精排和召回的区别在哪，或者说为什么一般先做召回再去做精排？7.代码题： leetcode hot 100的题

笔试时间：2026年3月10日往年笔试合集：2023春招秋招笔试合集2024春招秋招笔试合集第一题：三角形组合数量难度：中等题目描述有 n（3 ≤ n ≤ 10000）条线段，长度为 l₁, l₂...lₙ。（1 ≤ lᵢ ≤ 1000000）从中取出3条线段组成一个三角形，求一共有多少种不同的组合。三角形条件：任意两边长度和大于第三边。其他要求时间限制: 3000ms内存限制: 256.0MB输入描述第一个参数为线段数量 n，第二个参数为长度数组。输出描述输出不同组合的数量。样例输入 4,[1,1,1,1] 样例输出 4 参考题解解题思路：涉及算法：排序 + 双指针。经典"三数之和...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. multi-head attention2. 1D RoPE3. 前向传播反向传播numpy推导实现4. KL_divergence手撕5. 损失函数手撕6. 梯度下降法求解某个给定函数的极值点7. Causal Conv（在VideoVAE中最主流的技术，包括3DConv和2+1D Conv）8. 手撕Diffusion

1、LoRA 微调的原理LoRA 的核心思想是不直接更新预训练模型里的原始大权重，而是在某些线性层旁边增加一个低秩更新分支，用低秩矩阵去近似权重增量。假设原始权重是 W∈Rd×k，全量微调时直接学习ΔW，LoRA 则把它写成：ΔW=BA其中A∈Rr×k，B∈Rd×r ,，(r) 是远小于 (d) 和 (k) 的秩。这样前向计算就变成：h=Wx+ΔWx=Wx+BAx实际里通常还会加缩放项：这样做的本质是认为很多下游任务对大模型权重的更新其实存在低秩结构，不需要真的去学习一个完整的大矩阵。LoRA 的优点是可训练参数少、显存占用低、训练快，而且原模型参数冻结，方便多任务切换和权重管理。2、LoRA...