快手推荐模型算法一面-日常实习

挂了。。。希望发出来对大家有帮助！1.项目拷打2.八股：kvcachedecoder-only为什么适合生成式任务paged attn询问其他现代llm与初始transformer不同的地方3.算法题：带父节点指针的lca

感觉强度不小，快hold不住了...项目拷打1. 项目的创新点2. 数据集特征，分别做了哪些处理3. 数据特征的分布情况，为什么数据适合模型？4. DCN-v2 和 DCN 的区别，分别详细讲讲算法知识1. 了解 MmoE 吗2. 多个目标分数怎么融合3. 回归损失和分类损失共存的情况下，出现的问题，比如说损失尺度不一样，模型偏向优化大目标，这该怎么解决4. 再比如，不同任务之间梯度方向冲突，训练震荡，这怎么解决？5. 说说你了解的粗排模型6. 什么是生成式推荐？它和传统的判别式推荐7. 生成式推荐的典型应用场景有哪些？8. 生成式推荐常用的模型架构有哪些？9. 生成式推荐的评价指标和传统推荐有什么不同？10. 如何将大语言模型（LLM）融入推荐系统？11. 生成式推荐落地时，面临的核心技术挑战有哪些？Code1. 数组中，两数之差的最小值，返回下标（非 hot 100的简单题）2. 三数之和

简历初稿刚刚写好 求大佬们指点指点

如题，官网流程还没开，有意向私信看简历，岗位开放立马进流程。欢迎大家戳呀。贴一个jd2. 手把手，快成长：由资深技术专家一对一指导。你将完整经历从需求分析、方案设计到代码落地的全过程，掌握大模型应用开发的核心技能，快速完成从学生到工程师的蜕变。3. 高机会，留用优：团队对实习生重视度高，表现优秀者可直接获得正式录用Offer。这里不仅有前沿的技术探索，更有清晰的职业发展路径【岗位职责】4. AI 应用功能开发：参与电商运营系统的智能化改造。利用大模型能力，开发自动化的智能任务，帮助业务提效。5. 智能助手设计与实现：面向内部运营人员和外部商家，开发能“听懂指令、自主干活”的AI 助手。让它不仅能回答问题，还能主动提醒进度、生成报告，甚至协助完成跨系统的操作。6. 多智能体协作探索：尝试让多个 AI 角色协同工作，通过合理的逻辑编排，让它们配合完成更长、更复杂的业务目标。7. 工具链与效率提升：参与部门内部的 AI 开发工具建设，封装常用的业务接口供 AI 调用，并探索如何利用 AI 辅助编程，提升团队整体的开发效率。【岗位要求】8. 基础良好：2027 届本科及以上学历，计算机相关专业；熟练掌握 Python/Java/Go/C++ 中至少一门语言，数据结构与算法基础扎实。9. 热爱 AI：对大模型技术应用有强烈好奇心，平时关注 AI 领域动态。善于思考如何用新技术解决实际问题，具备良好的逻辑思维和沟通能力。10. 技术上手快：-- 了解 Agent（智能体）的基本概念，知道什么是工作流编排、ReAct 模式或多智能体协作。-- 接触过主流开发框架（如 LangChain 等），或对向量数据库、Embedding 技术有初步了解。11. 工程实践能力：-- 理解 Prompt（提示词）编写技巧，了解 RAG（检索增强生成）、工具调用（Tool Calling）等基本原理。-- 有过 API 接口对接经验，能将后端服务转化为 AI 可调用的工具者优先。12. 加分项：-- 有 PyTorch/TensorFlow 使用经验，或尝试过模型微调。-- 做过课程设计、毕业设计或个人项目，且涉及复杂业务流程处理（如电商、ERP、办公自动化等）13. 善用工具：习惯使用 Cursor、Copilot 等 AI 编程助手辅助写代码，追求高效开发。招聘对象2026 年 11 月 1 日至 2027 年 10 月 31 日期间毕业的海内外应届毕业生。