校招面经 快手推荐算法 二面

发一下问题给大家参考，攒攒人品！1. 实习介绍，问的比较详细2. 项目拷打3. 介绍下多任务模型mmoe4. 介绍一下深度学习中的dropout5. 训练和预测过程中dropout设置方式，跟训练保持一样，还是随机选择一些节点丢弃，还是有其他方式6. 神经网络训练参数初始化方式，分别会有什么问题7. Layer Norm和Batch Norm的区别8. 梯度爆炸和梯度消失是为什么，如何排查，如何解决9. 介绍一下自适应学习率的算法10. 集成学习中的bagging和boosting有什么区别，分别选择一个代表算法进行介绍11. 代码题 LC 编辑距离

Java后端开发二面题目（完整版）1. 说说Spring Boot的自动装配原理是如何实现的？答案：核心机制：@SpringBootApplication包含三个注解@EnableAutoConfiguration触发自动装配@Import(AutoConfigurationImportSelector.class)导入配置装配流程：读取META-INF/spring.factories文件加载所有EnableAutoConfiguration配置类根据@Conditional条件注解过滤将符合条件的Bean注册到容器常见条件注解：@ConditionalOnClass：类路径存在某个类@Co...

整体面试还是不错的，但是没后续了，攒攒人品～1. 项目拷打2. 实习项目介绍，问的很细致3.  wide&deep模型怎么得到user/item embedding的？4. wide&deep用的是什么损失函数5. mtl模型了解吗？介绍下mmoe6. 多个任务怎么平衡loss7. relu做激活函数优缺点8.   catboost和 xgboost 区别9. catboost 怎么处理类别变量的10. 然后又问xgboost 怎么处理缺失值的11. xgboost的损失函数是什么12. DIN里activation unit结构介绍一下13. transformer结构中的attention机制是怎么样的14.   神经网络初始化权重为0的影响

祝大家都能拿到满意的Offer！1.实习介绍2.对岗位的理解3.Qwen模型占了多少内存，在上一段实习中如何部署的4.介绍模型量化和Flash attention，实际优化效果如何5.介绍Tensorrt，底层方面如何加速6.是否了解vllm框架，追问PagedAttention7.介绍实验室项目，模型参数量计算量怎么算的8.Pytorch核心的基础功能是什么，有试过Pytorch对GPU进行管理吗9.模型训练和推理在资源、消耗上的区别，是否了解模型训练过程中性能优化的手段10.GPU和CUDA有了解吗，GPU基础的物理执行单元是什么11.手撕力扣hot100：将有序数组转化为二叉搜索树