小红书搜推算法日常实习一面凉经分享

感觉面完人都通透了，还是太菜了，下去沉淀一下
项目拷打
拷打第一段实习
2.1 模型优化细节，非常细，基线模型结构、具体优化点、expert数量，输入维度，参数量计算，特征分配策略等等2
2.2 参数量增加后，计算量增加了多少？FLOPs和训练速度分别怎么变化？
2.3 模型性能跟模型大小是相关的吗？
2.4 新增的存储属于什么类型？在PS中仅增加存储是否影响训练推理速度
2.5 存储成本和查询成本哪个更高？新增参数量是否达到瓶颈？
2.6 相同的机器下，训练速度慢了多少？或者增加了多少机器才能让训练速度持平？
拷打第二段实习
3.1 主模型细节，序列建模细节，模型参数、序列长度
3.2 OneTrans的优缺点
手撕代码：求数组中第K大的数，时间复杂度要求O(N)