字节ByteIntern内推速冲！

发一下问题给大家参考，攒攒人品！1. 介绍一下Transformer的结构，为什么Self-Attention比RNN/CNN更适合推荐系统？2. BatchNorm和LayerNorm的区别？推荐模型里为什么常用LayerNorm？3. 梯度消失和梯度爆炸的原因？如何解决？（从优化器、初始化、网络结构三个角度回答）4. 多任务学习（MTL）的常见结构？MMoE和PLE的区别？5. 多任务学习中，如果不同任务的loss量纲差异很大，如何调整权重？（GradNorm、Uncertainty Weight等方法）6. 推荐系统的经典召回策略有哪些？（协同过滤、双塔模型、FM等）7. 双塔模型的负采样策略有哪些？为什么In-batch Negative Sampling效果不错？8. 如何解决推荐系统的冷启动问题？（基于内容、迁移学习、Meta-Learning等）9. 如何评估推荐系统的多样性？（Coverage、ILS、DPP等）10. 线上A/B测试时，CTR提升但停留时长下降，可能是什么原因？如何排查？11. 数组中的第K个最大元素（快排变种）

1. 算法题隐藏评分维度字节跳动3-1级面试官手册显示：解题速度权重仅占30%，而极端case处理（如处理10^18量级数据）、变量命名规范度各占25%。曾有人因写下const EPSILON = 1e-9被评"工程化意识突出"。2. 系统设计题反套路公式阿里P7面试官透露：回答需包含三个降级维度（功能降级、流量降级、数据降级）和两个弹性策略（自动扩缩容、熔断机制）。案例：用Sentinel+AHAS实现电商秒杀系统的回答，让候选人直接定级P6。3. 行为面终极话术当被问"为什么选择我们"时，禁用"平台大/技术强"等通用答案。正确姿势：· 我用kube-bench扫描过贵司开源项目安全配置 +· 在arXiv读过贵团队CVPR'24的论文 +· 发现与我的分布式训练调优经验高度契合关注我：获得更多面试技巧米忽悠内推：https://jobs.mihoyo.com/m/?sharePageId=77117&recommendationCode=66CJD&isRecommendation=true#/campus/position

1. 中控技术：面试下来感觉工作内容和p2描述的差不多2.贝因美：是负责JD的店铺运营，因为之前没有电商相关的实习，不清楚这份含金量高不高。hr说操作相对基础。。3.连连支付：JD描述得很简单，面试下来感觉是招商+支付运营，需要和亚马逊字节等平台去沟通，面试官表示算是核心业务4.海康威视：内容主要是集中于官网运营考虑到网上说内容岗位hc少，想补一段电商/商业化的实习，想问问大家觉得哪一好

是C++技术栈比较奇妙的一次面试，整体比较顺利，但题不太基础……一月中旬的时候简历被hr捞起，结果主包在期末周，毅然约了二月的面试结果复习时发现hr姐姐联系的时候还没把之前java技术栈的简历改成cpp的简历，赶紧联系，但发现cpp竟然更加match一面两小时之后通知二面，思来想去反正约在年后面了（虽然高估了自己过年时候的自制力了。二面之后是周末，焦虑等到周一晚上终于通知hr面hr面前夕我才知道这不是日常实习是Byteintern，大喜一面：开始来一道非hot100变种题 力扣380. O(1) 时间插入、删除和获取随机元素焦头烂额撕了半个小时边讲边写然后开始拷打项目八股介绍reactor，multi-reactor跳表的实现，LT和ET的区别，介绍智能指针，shared_ptr，手撕shared_ptr实现，控制块protobuf的arena，性能怎么优化的？（和堆比起来）反问业务都是啥：推荐直播，大模型调优之类的 如果我能进来的话（二面：开头介绍自己发现不对，二面面试官拿的简历是之前旧简历，开始慌张但是面试官从容地让我介绍项目，可能因为一面面评有说详细跳表实现，结果让我手撕简单跳表然后一个简单折纸题 二叉树中序遍历hr面同步还有哪些面试？打算本科就业？怎么进行的一个项目？对于岗位的认知？总的来说交流很愉快，主要考察数据结构设计实现和逻辑抽象能力，卡壳的地方也会耐心引导，而且是相当match的岗位求offer快快来！！！半小时后已offer！！