腾讯多模态大模型算法实习二面 40min

1.code：二叉树的右视图；反转链表，要求递归写法2.如果我们发现排在第一位的商品点击率很高，但这可能仅仅是因为它排在第一，因为用户习惯性点第一个，而不是因为它真的好。这导致模型训练数据有偏差，你有什么解决的思路3.推导一下你描述的贝叶斯优化的过程4.冷启动知道吧，讲一下你的解决思路，不用讲一些经典的做法，你说说你有什么建模的思路5.在GR任务中，模型生成的Invalid SID元组问题，你有什么解决的思路6.你刚刚提到的联合损失，如果我的encoder语义表示不充分，容易局部最优，怎么处理？7.反问环节

御微半导体上海 算法工程师大概开多少啊211硕

发一下面经供大家参考，有面过同岗位的欢迎评论区交流1. 请简述推荐系统的主要模块（如召回、粗排、精排、重排）及其各自的目标。2. YouTube DNN、DIN、DeepFM这些模型你了解吗？请选一个简述其核心思想，并说明它解决了什么问题。3. 如果快手“发现页”的推荐结果，用户点击率很高但观看时长很短，你认为可能是什么原因？你会从哪些方向去优化模型？（追问：在优化过程中，如何设计实验（比如A/B测试）来验证你的优化策略是有效的？）4. 如何理解“探索与利用”（Exploration & Exploitation）困境？在推荐系统中有什么常见的解决思路？5. 在构建推荐模型的特征工程中，对于“用户兴趣”这种动态变化的信息，你会如何设计和处理特征？6. 推荐场景中经常遇到数据稀疏和冷启动问题。针对一个新发布的短视频或一个新注册的用户，你有什么策略？7. 除了优化线上指标，你认为离线评估推荐模型好坏，应该关注哪些评估指标？为什么？8. 请描述一个你课程或项目中与推荐相关的实践，并说明你的技术选型和思考过程。9. 你平时会使用快手吗？从推荐算法的角度，你观察到哪些有趣的现象或有待改进的点？

每年 秋招（9~12 月）和春招（2~5 月），成千上万的计算机专业学生涌入求职市场。很多同学在求职过程中，会遇到各种 踩坑 问题：简历投递无反馈？笔试、面试总是卡壳？通过技术面却被 HR 卡？拿到 Offer 却发现是坑？这篇文章将详细拆解秋招/春招的全流程，并告诉你如何避坑，帮助你顺利拿到 Dream Offer！1. 求职时间线规划秋招 vs. 春招：有什么区别？规模大（主要针对应届生）小（补录 & 实习转正机会）竞争高，提前批 & 正式批竞争激烈相对较低，但岗位有限招聘企业互联网大厂、金融、国企、独角兽等补录岗位，部分公司有批量招聘求职策略提前准备，重点关注提前批 &a...