推荐算法-日常实习二面-字节

岗位名称：推荐算法面试时长：1h+自评分：7/10是否下一轮：待通知一、检索与排序在项目中使用的 BM25 原理是什么？相比 TF-IDF 改进在哪里？公式中每一项的含义是什么？（追问）k1 和 b 参数分别控制什么？如果 b=0 会发生什么？为什么在实际系统中要做混合检索？Sparse 检索和 Dense 检索的基本原理分别是什么？（追问）两种方式在长尾 Query 上的表现差异如何？Dense 检索中常见的相似度度量方式有哪些？为什么很多系统选择 Cosine 或 Inner Product？（追问）如果向量没有归一化，Inner Product 和 Cosine 的结果会有什么差异？在你...

给我面没招了，发点面经攒攒人品～1. 实习拷打2. 详细问了项目3. 数据集是怎样做扩充的？4. 为什么要SFT后还要使用DPO进行训练？5. 对于难样本是怎么解决的？6. 如何实现Function call的功能？7. 为什么RAG的效果用正确率来表示？8. RAG的文档是怎么划分的？基于什么规则划分？9. RAG召回冗余的数据怎么解决的？10. 有哪些可以优化RAG的方法？11. Decode-only和encoder-only有什么区别？

面试时间3.12八股讲讲 channel 如何实现进程间通信讲讲Go的内存管理和GCredis是单点服务，如何改造k8s pod的节点亲和性项目因为项目和Agent相关，又问了许多llm的东西如何评估Agent效果worker goroutine panic了怎么办讲讲embedding模型算法给一个长整数字符串 如 23256，给个位数集合 A 如 A={}构造小于 S 的最大整数场景我们每天都有上万条数据和上百万的流量，如何保证mysql的稳定性和可用性

有一点标题党 不过心仪的岗位应该是可以找到的！主包是非典型强技术人，没啥经验，没实习，没啥比赛，不过面试的时候几乎也不问校园经历，代码比较多的时候都是在刷算法，最近在复盘整个找工作的过程和注意点，感觉和找到实习前的想法不太一样，或许没有想象的那么难，也有一定的邪修成分在，希望能给到大家一些启示（注：全为个人想法和感受，完全没有权威性 可参考或不参考首先是写简历，我认为这是相当重要的一环，一开始找实习的时候确实没啥好写的，啥乱七八糟的大创都往里写，口语化句子也上来了，冗余的个人信息到处都是，不管对不对口各种项目都往里写 实则课设玩具。。然后投，然后进行八股随机复习。但是面试几次之后感觉简历是很重要的，我认为这是一个自己出的考点题单，专业的面试官都会在简历中找问题问，还有一个是如果项目经历和岗位高度匹配确实会吸引相当一部分火力，不会漫无目的的都是八股！那没有啥项目经历咋整呢？编！（bushi）既然项目经历是你的经历，那你完全可以先写结果再经历这里有一点是可以先挑选心仪的岗位，然后把岗位要求给ai，让ai给你写最适配这个岗位的项目和技术栈，然后可以让它推荐点开源代码，这就是你项目的来源了（怎么学习？：开源代码！ 其实个人来看的话，基本简历主要两个部分就是技术栈和项目经历，其他的怀疑面试官都没看过如果时间紧的话不看开源代码也行，但是一定项目要有代码可看，这里可以让ai给你整一个几千上万行的代码项目，然后开始一个文件一个文件开始读，最好是能把项目都通读一遍或者理解整个框架（完全手搓项目的大神可忽略。）甚至完全有可能根据这个项目开始学习、入门这个领域当经历极其匹配的时候，面试官就会深层次挖你的经历了，但是这样答上来也有很大的通过率。甚至面试可能不会考正常的算法，可能会考项目介绍中可能有的数据结构/项目简单函数实现，不过也不用太担心，就把你两个项目学透即可，也不会有太复杂的实现，我认为字节的算法有可能不按常理出牌，极其看重数据结构的抽象逻辑，所以可能有的时候算法该刷还是要刷 要有一些归纳总结能力，感觉tx基本是hot100除了琢磨不透的算法 八股应该都会取自于项目里了可以边学边约面，这样有ddl威胁自己效率特高（嗯），最重要的是敢于尝试！上面这种出来的极其匹配的简历一投应该就能约面，要勇敢面试！我一般有面试焦虑，三天内只能有一个面试，所以每个面试基本都针对性预想过好几遍了 （这可能是焦虑人的唯一优点在面试前可以让ai给你出一下关于简历和岗位的题单，命中率蛮高的面试挂了千万不要害怕停止，可能会有更好的机会，并且成为宝贵的经验！暂时就想到这么多，之后可能随机更点landing过程其实也需要准备挺长时间的，也是有要脚踏实地学的，不过可能有针对性的学习会轻松一些，在学习的路上多亏了牛客上兄弟姐妹们的经验分享，希望个人的经验也能给大家带来点启示祝大家早日拿到心仪的offer！