26秋招抖音推荐算法面经

整体的感受还是拆分四个板块吧 1.个人成长-目前业务也在快速扩张期，有很多空白板块可以继续进行搭建，所以在背靠跨境的业务的同时也是可以积累非常可视化的经验，数据分析，项目管理，团队管理，绩效达成落地方案，都是必须需要掌握的技能 2.工作氛围-没有PUA也没有精神内耗，团队偏年轻化领导接近一线业务，没有精神鸿沟的同时具有亲和力的，下班时间和同事相处十分融洽，所以从整体感受来讲会比较轻松 3.福利待遇-位置在四海城附近整体周围的基础设施还是比较齐全，附近大型商场，免费下午茶 4.思维转变-从怕犯错再到勇于去尝试，只要在shein能够有想法且方案足够落地，即使会有踩坑，环境上大家还是比较包容，且结果...

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？

引言：当区块链遇上真实世界资产在加密货币市场经历数轮牛熊转换后，一个共识逐渐清晰：脱离实体经济的区块链应用只是“空中楼阁”。而现实世界资产代币化（Real-World Asset Tokenization，简称RWA）的兴起，正为行业打开一扇通往万亿级市场的“任意门”。从纽约的商业地产到非洲的黄金矿场，从欧洲的债券到亚洲的供应链应收账款，RWA DApp正在将传统资产转化为可编程的数字通证，让普通人也能参与全球顶级资产的投资。本文将深度解析RWA DApp开发的核心逻辑、技术架构与商业落地路径，助你在这场“资产上链革命”中抢占先机。一、RWA DApp的“黄金赛道”：为什么现在是入场最佳时机？...

1.挑一个项目介绍2.实习拷打3.mysql事务隔离级别4.innodb如何实现可重复读的5.mvcc能解决幻读的问题吗6.什么样的场景下不能解决幻读问题7.用到过哪些中间件8.redis在哪些场景下用到了9.为什么redis速度比db快10.mq的场景能介绍一下吗11.mq方式和rpc、http有什么区别，以及各自优缺点，会带来什么问题12.口述topk，复杂度