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。

美团 投递2023-09-07 秋招： 志愿一：大模型算法工程师 志愿二：自然语言处理算法工程师 志愿三：搜索推荐算法工程师 笔试2023-09-09 10:00 - 12:00 记得一共4题，A了3.2题。 一面2023-09-26 搜索推荐算法工程师。美团平台-美团平台技术部。 自我介绍。 手撕。 **************** （困难，树形DP，我当时就有点劝退了。后面发现其实也不是很难，感觉Leetcode难度虚标了。） 面试官给提示了，大概15min。 项目一介绍。 项目二介绍。 介绍一下项目的评估指标？AUC了解吗？ROC曲线如何画出来？ 使用的损失函数？...

腾讯-WXG-看一看-用户增长 VS 字节跳动-TikTok电商-供应链与物流-用户增长腾讯：负责在微信看一看tab上，下发红点实现用户增长。业务内容：基于规则的召回策略设计、训练deepFM、lr等精排模型（业务场景相对简单，因机器负载限制，模型选型不能过于复杂，且继续实习到秋招收获不大）转正情况：九月初统一答辩，转正率相对高（因为组里最近有人离职）已实习四个月，组里人都很nice，都是高职级无内卷；平均九点左右下班；工作强度不高字节：负责TikTok电商下商家和达人的增长。业务内容：商家达人线索挖掘（视频理解，nlp，图像识别）、触达物料的生产及优选 、商家成长相关算法（因果推断加运筹优化、uplift）转正情况：个人发起转正申请，转正情况依实习期间成果而定，转正率相对低。有**人竞争**个hc目前均未知，hr说有合适的人选他们就会招进来。多干几个月再发起转正申请也可以。九点半到十点下班，下不封顶纠结点：1.未来意向定居城市杭州/北京，偏向杭州；npy已签杭州暑期offer，本人暑期过去的话可以深度感受一下这座城市，进一步决定是否定居。2.字节很难卷到转正且秋招压力大，本人秋招时候可能会多分一些精力给外企算法岗和国企总行，应该不会太有精力九十月份还在卷转正。3.腾讯微信虽然背书很强，但是继续实习四个月收获不大，秋招argue薪资无优势。且用增这块的技术确实还在baby阶段，业务上靠自己摸索尝试，成长性低。4.可接受小卷，但绝不是卷王，双休是底线呜呜（不知道TT电商的卷度及稳定性）            

3.6腾讯pcg：人生第一次面试，准备的也不好，面试官偏向工程化，问的全是八股和项目细节，问了简历上写的es，ann，大模型，linux命令之类的，没怎么问推荐算法，手撕合并升序链表没撕出来，但是第一次面试感觉还蛮好，而且也是这几次里唯一一个主动先介绍部门情况的面试官3.26腾讯视频号：第一次那么菜居然还被捞了，感觉是kpi因为面试邀请甚至都看不出来部门还是反问时才知道，这次上来先写一道数组排序，暴力写出来了让我优化（堆排序、快排）讲了一下思路，针对项目提问，这个面试官就偏向深度学习那一块，问我怎么微调的有监督无监督之类的，问我在学校的情况什么的，四十多分钟就结束了，面试官全程也是懒洋洋的3....