求问远光软件开发岗怎么样

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 项目拷打2. 重点问了其中的模型优化工作，包括模型结构选择，线上指标怎么分析3. 问了多任务模型，mmoe，ple都分别介绍下，各自做了哪些优化，有什么作用4. 广告系统和推荐系统的异同点5. 投放链路：召回粗排精排重排流程以及常见算法6. 分类和回归任务的关系，可否相互转化？7. DIN模型介绍下8. 常见的损失函数有哪些（分类、回归、对比）9. 简单问了auc的计算和理解10. 手撕代码：给n对括号，输出所有排列11. 概率论（圆上三点构成锐角三角形的概率，二项分布和泊松分布和正态分布12. 数学题（12个球称三次找出唯一异常球

继续来分享下之前的面经~欢迎友好讨论，信息共享1. 实习拷打2. 为什么需要预训练ESMM？3. 多目标双塔粗排模型的理解？4. 粗排样本怎么构造？5. 是否考虑直接使用精排部分embedding？6. L1 和 L2 正则化的区别？它们都能防止过拟合吗？7. 写出交叉熵的公式，并解释交叉熵的推导过程。8. 介绍dropout的作用，训练和测试阶段是否有区别，如何解决dropout预估偏高的问题？9. 如何判断模型是否过拟合？10. 如何缓解过拟合？11. 概率题：计算骰子扔到6的次数的期望。12. 解释AUC的定义，它解决了什么问题，优缺点是什么，并说出工业界如何计算AUC。13. 代码题：计算中缀表达式的结果，包括括号

发一下问题给大家参考，攒攒人品！1. 介绍一下Transformer的结构，为什么Self-Attention比RNN/CNN更适合推荐系统？2. BatchNorm和LayerNorm的区别？推荐模型里为什么常用LayerNorm？3. 梯度消失和梯度爆炸的原因？如何解决？（从优化器、初始化、网络结构三个角度回答）4. 多任务学习（MTL）的常见结构？MMoE和PLE的区别？5. 多任务学习中，如果不同任务的loss量纲差异很大，如何调整权重？（GradNorm、Uncertainty Weight等方法）6. 推荐系统的经典召回策略有哪些？（协同过滤、双塔模型、FM等）7. 双塔模型的负采样策略有哪些？为什么In-batch Negative Sampling效果不错？8. 如何解决推荐系统的冷启动问题？（基于内容、迁移学习、Meta-Learning等）9. 如何评估推荐系统的多样性？（Coverage、ILS、DPP等）10. 线上A/B测试时，CTR提升但停留时长下降，可能是什么原因？如何排查？11. 数组中的第K个最大元素（快排变种）

boss上联系的，简历马上就过了约了第二天的面试，2026/2/28下午的第三个面试，对面说是负责感知这块的一面  25min：1. 简单自我介绍2. 了解了一下在校情况3. 问了一下研究实习生期间的项目，只让介绍了一小块，很快就结束了4. coding: nms算法实现，写了n遍了直接秒了，然后让介绍一下思路5. 反问由于没有吟唱项目和问八股，半小时不到就结束了，不知道是不是kpi，看有无后续了update：纯kpi，无痛秒挂，一面也基本啥都没问，闹麻