美团优选 搜索推荐算法 二面

自我介绍八股（可能遗漏）：1. 讲讲推荐系统流程2. Transformer 位置编码是什么3. QKV 注意力公式为什么除以根号 d4. 简单讲讲 GCN5. 简单讲讲 RNN6. RNN 里的参数是什么样的（答：参数共享）7. Dropout 是怎么做的？有什么作用？推理和训练时 Dropout 的区别？如果推理也用 dropout 会怎么样？8. 讲讲 BN？BN 训练和推理什么区别？有什么用？9. 用 CNN 把 (64, 64, 128) 变成 (x,y,z)（具体数字忘了），卷积层参数量是多少，计算一下（没答上来）。10. 我看你上过最优化方法？什么问题才是一个凸问题？凸集和仿射集的定义是什么？算法题：LC233（Hard），纯初见，没做出来，勉强讲了一下初步思路。反问：对我有什么建议，答建议提升算法能力，建议多搞点相关度高的实习和项目。言下之意应该是匹配度有点低。全程对面没开摄像头，回答卡住时无引导，面试体验一般。

40道选择，2道算法1. 有n道门，每扇门有对应的钥匙，每天获得一个钥匙，第一次只能打开第一道门，前面门开了后面的门才能开，给出获得的钥匙编号顺序，输出每道门是在第几天打开的。(简单的一道模拟)例如5（门的数量）5 3 1 2 4(钥匙编号顺序)输出3 4 4 5 52. 实现快速排序遇到了bug,无论数组长度是否为1都直接返回，而不对剩下的序列继续排序。现在给出这个算法选取过所有的划分点的值，求出这个算法最终得到的序列。（还是一道模拟）例如9（数组长度）1 9 2 8 3 7 4 6 5(未排序数组)3 7（选取的划分点）输出1 2 3 4 6 5 7 9 8

一面挂了，看了下官网流程，莫名其妙又多了一个岗位的流程，这是什么情况啊，有没有大佬知道的

小红书商业化部门招聘 算法实习生 ，研一~研二均可，研究方向：推荐算法，搜索，NLP均可工作内容：从事信息流广告中召回、粗排、精排和混排等模型的优化；要求: 每周能实习5天以上，实习时间3个月以上。工作地点: 上海市熟悉推荐算法、nlp算法，有广告相关经验者优先。联系方式: songyi3@xiaohongshu.com