9.3日 一面    自我介绍    介绍一下推荐模型的发展    讲一下neuralcf，和双塔模型的区别，哪个更好    负采样，召回时和排序时负采样是怎么做的，    word2vec如何负采样，如何加速负采样的速度    transformer的layer norm能不能用batchnorm，为什么    self-attention的Q*K还可以使用什么方式计算，softmax    为什么分类用交叉熵损失，还了解哪些损失函数    1000分类应该使用说明损失函数，如何加快速度    Precision，Recall指标，训练时正负样本1:1，测试时正负样本比例1:1000，指标如何变化    样本失衡应该用哪些指标，还了解哪些方式处理这个问题    做题：反转链表    背景题：做新闻推荐，usercf更好还是itemcf更好，为什么    能不能来实习    反问       很pl的xjj， 目前面试颜值zuigao的面试官    [害羞]        9.8 二面    自我介绍    问项目，，实习项目，具体任务，    做题：LCS，手写attention    CRF了解么，word2vec窗口设置多大，为什么这么设置    word2vec用的skipgram还是cbow，为什么选择这个，两者有什么不同       约了三面       9.9 三面    应该是主管面    实习那边做的事情    自己最有成就感的项目    为什么最有成就感    FM和Deep FM的区别，用了哪些特征，特征如何处理的    目前哪些offer，    意向城市       9.18 hr面    基本都是常规问题，问找工作看中什么    问目前面试公司，问薪资等等