腾讯二面

3.19投的，3.20约了3.23一面 一面当天过，约了3.25二面 二面当天过，但没跳hr面3.30界面转成hr面4.1约了4.2的hr面，当天晚上发云证4.3转录用评估4.10hr打电话➕收到正式offer讲一些我的心路历程及建议啥的吧：1，鹅的进度问题：其实等的挺煎熬的，在等待的过程中也一直在刷到别人的进度，自己挺焦虑的。不过和这个进度因人而异，有的推进的快有的推进的慢。不过鹅普遍推进都挺慢的，所以也不用太焦虑，慢慢等就行。2，等的过程挺焦虑的，一边等一边投别人的。Hr面等了好久，中间也以为自己挂了，这个期间就一直投其他公司，一直面就好了。3，一般技术都是三面，我的只有两面。感觉自己也是有点走运的，一般技术的都是3面，我投的时候可能这个岗位比较着急招人，就只有两面。4，最后，祝大家都上岸吧！

第 53 题：上下文压缩（Context Compression）在长文本场景的应用 题目 解释上下文压缩（Context Compression）技术在长文本场景的应用。 一、为什么需要上下文压缩？ 长文档、多轮对话或大量检索结果会占满 context 窗口，导致：超出模型长度限制、重点信息被挤到边缘、成本与延迟上升。上下文压缩 指在保留关键信息的前提下缩短或摘要送入模型的文本，使更多内容“塞得进”且关键信息不丢。 二、常见做法  摘要：对长段做摘要（用模型或抽取式摘要），只把摘要放入 prompt；适合“只要大意”的问答与检索后阅读。 选择性保留：按相关性或重要性筛选句子/段落（如用检索分...

全程长达两个半小时第一个小时问项目感觉答的挺好的中途有两个细节不太会忘记用的算法名字了面试官说是不是别的同学做的我说当时没多想调用的框架现成向量化算法不记得名字了然后手撕两道，第一道编译器好像出bug了，我选cpp但是执行别的语言编译然后说了下思路，面试官看了下代码，过下一题第二题挺难的，属实没撕出来，也是说了下思路然后又问了一道简单小问题进反问面试官一个问题聊十分钟就是一个聊天的状态，聊了聊业务和看法大概半小时也不知道过没许愿二面

1. 自我介绍2. 为什么推荐系统里要做多目标优化，而不是只优化点击率只优化点击率会把系统推向强刺激、短反馈的内容，短期看 CTR 好看，长期可能损伤时长、留存、消费深度和用户满意度。推荐系统真正面对的是一个多目标约束问题，点击、时长、转化、留存、内容生态健康、创作者收益往往都重要，而且这些目标之间存在天然冲突。多目标优化的核心不是把几个 loss 简单加权，而是处理目标尺度不一致、梯度冲突和业务优先级变化。很多系统前期用静态加权，后期会演进到门控式任务塔、动态权重、MMoE、PLE，甚至通过因果或强化学习方式做长期目标建模。优化的是用户长期价值，而不是某一个表层指标。3. 当业务里同时有视频...