快手校招推荐算法一面 好难啊

#AI求职实录#小红书|字节|京东|快手|拼多多|滴滴|得物|携程等前端面试AI频繁题目LinkI : 通过前端JD查看所需AI技能LinkII: 好文推荐_测开大佬AI面经 AI基础概念LinkII: AI基础概念梳理 向面试官介绍了解的AI技能 基础层—高效prompt与LLM对话提示词工程提示词是 AI 协作的 “语言”，推荐的TCREI+RSTI 双框架，能将模糊需求转化为 AI 可执行的精准指令，尤其适用于代码生成、技术文档撰写场景。TCREI 框架（任务描述）：Task（任务）→ Context（上下文）→ Result（结果）→ Example（示例）→ Iteration（迭代...

1、你项目中transformer的loss是什么?2、方案二项目中transformer实现召回的原理是什么?输入输出loss都是什么?3、UCF、ICF的原理是什么讲一下4、ICF有什么缺点?实际使用的时候有什么不足5、如果有一个非常喜欢点击的用户，另一个是非常不喜欢点击的用户，哪个用户根据icf的推荐是更准确的?6、transformer的attention 公式7、多分类交叉熵和二分类交叉熵公式8、线性回归的损失函数无手撕

这个问题，绝对是这两年新出现的，不知道大家什么时候开始做NLP的，我是22年的时候开始接触，那时候的NLP下面还有很多很多细分领域，就包括NER、RE这类知识抽取类工作，BERT几乎是我们绕不开的一个模型，如果说绕开了，用的也是类似RoBERTa这类改进模型。所以看到题目里的这个问题，很多人的第一反应是：还不是因为22年GPT一炮走红了，所以大家都跟着做。这个回答不能说错，但面试官通常不会继续追问，因为这说明你没有真正思考过这个问题。要把这个问题回答好，需要从历史演进和技术逻辑两个层面逐步拆解。（回答建议在文末）一、历史背景：2018年的分叉点先回到2018年。这一年NLP领域出现了两件标志性...

太压力了，面了2个多小时，本菜比已经被拷打的瑟瑟发抖面完两个小时后通知过了1.算法题三道（1）leetcode124 二叉树中最大路径和hard题 因为不久前才刷过撕出来了，又来了一道（2）leetcode 300 最长递增子序列变种除了递增之外还加了一个权重因素，但是思路没变，dp就行（3）寻找词汇库里符合固定长度前缀的匹配单词应该是他们自己题库的题。给了一串单词列表，然后又给了一个单词，一个下标，根据这个下标的前缀去单词列表里面找到所有匹配的单词再返回思路是创建一个单词前缀树，然后根据树找，但是可能是构件树数有问题没撕出来2.全方位项目拷打基本没有问八股，全部都是项目企业场景题，哎哟我操，完全不会。我就纯八股战士，结果没想到一道八股都没问反正尽可能把企业场景往八股上引吧。。1. 微服务多点部署其中一个宕机了怎么办2. 要是mq占据大量CPU该怎么排查？MySQL占据大量CPU该怎么排查？3. 假如说让你实现视频点赞功能，你打算怎么设计？讲讲思路（我知道多级缓存，但是碰巧没背……寄）4. Redis延迟双删是什么，分布式锁，哨兵模式5. MySQL到es同步的延迟该怎么优化6. Rabbit mq的队列是怎么实现的？（这个完全没整明白，可能是队列的底层结构? 反正我硬扯的讲了一下rabbit mq的架构）还扯了很多，但是往后完全就慌了），记住的是这些