小红书推荐算法面经一面（60min）1、自我介绍（5分钟）2、项目和一些八股（40分钟）- 模型label是什么- 这一结构为什么会有效果提升，分析- embedding怎么得到的- 简单介绍一下sim3、手撕代码（10分钟）- 最大子数组和4、反问二面（40min）1、自我介绍（5分钟）2、项目（20分钟）- 为什么模型有效果- 召回粗排和精排要解决什么问题，选一个最熟悉的讲一下未来的迭代方向- 怎么保证链路一致性3、手撕代码（10分钟）- 给链表的头结点，将其按照升序排列并返回排序后的链表4、反问虽然两次面试前几个小时，面试官都因为临时开会更改了面试时间，让人有点不舒服，但是面试官人真的都...

霸王茶姬卡学历吗😳😳

一面： 1、实习拷打（8min） 2、谈谈研究方向 3、谈谈图数据库和知识图谱的关系 4、谈谈图数据库和关系型数据库的区别 5、什么样场景适合用图数据库 6、例如推荐系统的场景用图数据库来存储，如何支持对推荐算法做支持？ 7、图数据库是否对 BFS、DFS、找节点之间最短路等有支持？ 8、迪杰斯特拉算法的过程 9、知不知道 A* 算法？它优化了迪杰斯特拉的什么问题？ 10、自己开发用的什么 JDK 版本？了解哪些不同 JDK 版本的新特性？ 11、谈谈 JDK25 有些什么新特性？ 12、平时用大模型来干什么？ 13、GraphRAG 底层是如何去构建出实体以及实体之间的关系的？ 14、如何设...