字节日常面经

一面
 1. 美团推商品和抖音推视频推荐区别？（美团大多基于item相关性）
2. 为什么你觉得美团推商品和User相关性不那么强？
3. 如果用户未点击商品购买，首页怎么推荐呢？
4. 小红书也是双链，美团和小红书有什么差异需要注意？
5. 这两个都是回归问题，当然也有分类问题
6. 建模时长目标和分类目标有什么好的方法？损失函数有什么需要注意的？
7. MSE相比RMSE有什么弊端
8. 更具体一点，不同损失函数推荐出来有什么区别？价格分布之类的？
9. 介绍自己的项目
10. 对抗样本攻击成功率低可能是什么问题造成？
11. 在你的领域不用太考虑特征重要度这个问题？
12. 聊项目论文，怎么扩展到其他领域
13. 手撕：逆序对

二面
1. 无监督学习的loss怎么设置
2. 无监督表征学习
3. Transformer解决了什么问题，怎么解决的
4. Transformer中增加head数目，计算量怎么变化
5. Transformer结构说一下
6. 单头也能解决长距离相关问题，为什么用多头
7. NN神经网络怎么做初始化？有什么tricks（网络可能先宽后窄再宽）
8. Xavier初始化
9. 优化器有哪些？
10. Adam和SGD相比有哪些改进？
11. 收敛速度和方向上有什么改进
12. 动量是怎么使得函数越过局部最低的？
13. 手撕：滑动窗口（不小于target的最短子数字长度）

三面
1. loss函数和学习率的关系
2. 学习率和损失函数之间的李普希兹连续性
3. Transformer多头注意力机制的计算复杂度
4. L2norm在双塔召回中的作用
5. Mse和cross-entropy，MSE用在分类任务上有什么问题？
6. 对比学习？