搜广推算法岗面经

今天老师给大家梳理了部分大厂搜广推算法岗面试真题，供各位同学参考学习。
1.PPNet的核心思想是什么？为什么要 stop gradient ？什么时候不需要这样操作？
2.多目标模型很容易遇到跷跷板问题或者两个 loss 数量级相差很大，优化速度差异太大，你知道有什么优化方法吗？
3.NEG loss 和 NCE loss 有什么区别？ infonce loss 公式是什么
4.召回业务一般怎么定义负样本？ bce loss 的公式是什么？简述一下 Pointwise , pairwise 和 listwise 的区别是什么？召回一般用什么 loss ?
5.粗排的作用？怎么验证粗排精排的链路一致性？用什么指标可以衡量链路一致性？
6.大模型了解吗？怎么在推荐中应用？比如怎么在召回中用？大模型训练分成哪几个阶段？简述一下各个阶段在干什么
7.千万级别的整型数组，怎么获取其中出现次数最多的前 N 个数？（考数据结构）8.讲一下你知道的机器学习里面的算法，比如 AdaBoost , GBDT , XGBoost 这些。 Bagging 和 Boosting 的区别？随机森林是什么
9.讲一下Word2vec是怎么做的？怎么降低计算复杂度？
10.你知道的中心极限定理有哪些？
11.双塔模型优势和缺点，怎么改进？
12.粗排的目的是什么？有哪些指标，粗排应该向精排看齐吗？
13.说一下 BN 的公式，哪几个参数是在训练时更新，在推理时还更新吗？简述一下测试过程中的 BN 怎么算。 BN 和 LN 的区别？
14.当神经网络的权重初始化为0时，会遇到什么问题？
15.你能抽象地归纳出序列建模发展的脉络吗？以及它的最终形态应该是什么样子？
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。