抖音推荐算法二面凉经 被狠狠拷打

发一下问题给大家参考，攒攒人品！1. 实习拷打2. 项目深挖3.推荐业务目前的优化目标是什么？4.多场景建模具体指什么？不同场景下用户行为有什么差异？5.这些场景是分开建模还是统一建模？特征或网络层面有没有做场景区分？6.如果特征落盘时刻上下文发生变化，是否会造成线上线下不一致？7.能描述一下从用户请求、模型训练到在线serving的完整流程吗？样本落盘机制是怎样的？8.离在线链路是分离的还是统一的？流式样本和离线样本分别如何使用？9.介绍一下RankMixer的结构原理。它与MLP、Transformer或DIN相比，核心区别和优势是什么？10.如果拓展token数量，具体如何实现？为什么token机制能实现特征的自动深度交叉？11.场景特征是直接拼接embedding，还是有独立的场景block？独立使用还是全局共享？12.如何判定模型优化效果是正向还是负向？评估方式是什么？13.所有场景样本是一起训练还是分开训练？指标是看全局还是分场景？14.超长序列建模的长度是多少？具体实现方案是什么？15.多尺度注意力指的是什么？与全序列原生attention相比有何区别？16.不同时间段的序列输出如何融合？如何平衡每个时期兴趣的权重？有没有自适应机制？

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1. 项目拷打2. 实习拷打3. rft是什么4. 你对rl了解多少，简单讲讲5. rft和ppo的重要性采样区别是什么6. 讲一讲ppo的clip操作7. 你觉得rl之前sft的意义是什么，能不能直接rl8. 你能比较一下先sft再rl和直接rl在成本上的区别吗9. 你说直接rl可能无法采样到一条好的轨迹，你有具体的实践吗10. 聊回到项目，你的技能库是怎么构建的？11. 你们目前对于这个任务的rl是怎么做的12. 你了解attention吗，展开讲讲13. attention的公式这么设计的理由14. 你还知道attention的哪些变体？（GQA，MQA，MLA）分别在哪些方面做了改进，改进的动机是什么，具体优化了多少15. 展开讲讲这三个分别是如何实现的16. 除了从kv cache角度对attention进行扩展你还知道其他角度的attention改进吗17. code1: 合并两个有序数组18. code2: 给定一个候选数字集合，可以任意组合，要求构造出一个＜x的最大数

被横向挂了，希望发出来对大家有帮助！1. 项目拷打2. 什么情况下，MAP的损失函数可以用NMSE来计算？（高斯噪声）3. 手写Multi-head Attention4. Attention的复杂度是多少？5. AUC是什么？6. 推荐算法了解哪些？7. 协同过滤的概念是什么？8. 如果是一种普适性很强的物品（如：新华字典），怎么设计指标对它降权？9. AUC怎么推广到非二分类问题？怎么快速计算AUC？10. bn训练阶段和测试阶段区别，详细讲讲原理

发一下问题给大家参考，攒攒人品！1.项目拷打2.为什么要去做这样一个模型，和主站模型有什么区别3.介绍整个项目，为什么能打过主模型，为什么要做这个独立模型4.介绍MMCN，和DCN有什么区别，相对于DCN有什么优势5.介绍tokenmixer是怎么样实现的，介绍结构原理，为什么要做mix_up6.了解rankmixer large吗7.对精排还有什么结构比较了解吗8.LHUC模块具体的实现的方式9.了解生成式推荐吗代码题:一个数组只有1和-1，给出子数组乘积为1的个数