爱学习半小时结束一面，是KPI面吗？

感觉面的还可以，发下问题给大家参考，有面试过同岗的朋友欢迎评论区交流1、召回在整个推荐链路中的作用和必要性？2、多路召回融合的动态权重设计，手动还是自适应调整？3、规则召回是怎么做的，用到哪些规则？4、cf的召回过程？5、swing与cf的区别，这两者存在什么弊端6、怎么实现u-u-i的召回？7、多目标排序算法有了解吗？讲一下MMoE8、序列建模有了解吗？Code:最长递增子序列

感觉强度不小，快hold不住了...项目拷打1. 项目的创新点2. 数据集特征，分别做了哪些处理3. 数据特征的分布情况，为什么数据适合模型？4. DCN-v2 和 DCN 的区别，分别详细讲讲算法知识1. 了解 MmoE 吗2. 多个目标分数怎么融合3. 回归损失和分类损失共存的情况下，出现的问题，比如说损失尺度不一样，模型偏向优化大目标，这该怎么解决4. 再比如，不同任务之间梯度方向冲突，训练震荡，这怎么解决？5. 说说你了解的粗排模型6. 什么是生成式推荐？它和传统的判别式推荐7. 生成式推荐的典型应用场景有哪些？8. 生成式推荐常用的模型架构有哪些？9. 生成式推荐的评价指标和传统推荐有什么不同？10. 如何将大语言模型（LLM）融入推荐系统？11. 生成式推荐落地时，面临的核心技术挑战有哪些？Code1. 数组中，两数之差的最小值，返回下标（非 hot 100的简单题）2. 三数之和

整体面试还是不错的，发一下问题给大家参考，攒攒人品！1.项目拷打2.多场景建模了解3.针对MMOoE的负迁移和跷跷板问题，提出了什么模型？哪家公司提出的？4.有一篇引用量最高的 STAR模型，了解吗？5.讲讲专家极化问题怎么解决？6.会不会写spark？7.懂不懂hdfs（分布式）？统计基础1.假设检验的实际问题2.中心极限定理3.辛普森悖论手撕代码1.二分查找

攒攒人品，欢迎友好讨论，信息共享1. 深挖实习项目2. 了解推荐模型吗？知道哪些模型？3. 了解多任务模型吗？4. 针对小样本的处理方式5. BN和LN层的区别，介绍一下BN层，里面哪些是可学习的参数？6. 避免网络过拟合的方法7. 注意力机制的计算公式？为什么除以根号dk？8. 介绍下transformer和bert，位置向量怎么做的？9. 手撕：和为k的连续子数组