腾讯推荐算法二面面经

1.自我介绍2.拷打实习:介绍一下主要做的事情，包括整个项目的背景。3.讲一下 RankMixer 的结构的核心原理。4.有试过添加更多 Token 吗？它的边际效率在哪里？5.所有场景的样本是一起训的吗？还是一个场景一个模型？6.关于序列建模，序列长度大概多少？怎么生成的？线上延迟会涨吗？7.为什么在那些很稀疏的小场景，长序列上线GTV 会涨得比较多？8.在你们的那个专家网络，是怎么去做协同的？9.你们做的特征优选，特征重要性是怎么去评估的？10.实时数据流的样本生成逻辑是什么样的？11.有做一些纠偏的机制吗？12.手撕：交换相邻字符的最小操作次数13.手撕：二叉搜索树的第 K 大节点📳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。

一面(1小时无手撕)：1.实习经历拷打2.说说你知道的垃圾回收处理器3.G1的回收过程4.G1的筛选回收原理5.说说你认为并发情况下怎么做到不冲突6.说一下HashMap和ArrayList的底层原理7.innodb引擎不同隔离的区别以及怎么加锁的8.MVCC的原理9.redis分布式锁怎么做的，有什么问题10.看门狗机制说一下11.红锁了解吗，有什么问题，怎么解决这些问题12.io有哪些二面(不到半小时)：1.实习经历拷打2.手撕一道sql3.手撕一个类似hot100的节点的最近公共祖先，稍微变了一下

1.自我介绍2.项目拷打3.为什么这种架构可以提升 MFU ?4.超长序列建模具体怎么做的？这种方案的区别和优势在哪里？信息被压缩的程度有什么不同？5.假如你要引入向量索引系统，在线 serving 服务要做什么改造？6.样本和线上实时特征如何保持一致？7.OneTrans 把序列和非序列特征放在一起组织，不同行为特征是怎么组织的？8.OneTrans 的金字塔结构具体怎么做？为什么要这么设计？9.attention 机制为什么随着序列变长耗时增加很快？时间复杂度是什么关系？10.如果要优化性能，做什么样的优化？11.多任务学习中的负迁移／跷跷板问题怎么解决？12.特征重要性是怎么评估的？13.除了 mask 特征的方式，还有什么方案可以建模特征重要性？14.如果通过特征加 gate 的方式学习特征重要性，你会怎么设计？15.手撕代码：两两反转链表16.反问环节📳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。

1.自我介绍2.拷打实习:介绍一下主要做的事情，包括整个项目的背景。3.讲一下 RankMixer 的结构的核心原理。4.有试过添加更多 Token 吗？它的边际效率在哪里？5.所有场景的样本是一起训的吗？还是一个场景一个模型？6.关于序列建模，序列长度大概多少？怎么生成的？线上延迟会涨吗？7.为什么在那些很稀疏的小场景，长序列上线GTV 会涨得比较多？8.在你们的那个专家网络，是怎么去做协同的？9.你们做的特征优选，特征重要性是怎么去评估的？10.实时数据流的样本生成逻辑是什么样的？11.有做一些纠偏的机制吗？12.手撕：交换相邻字符的最小操作次数13.手撕：二叉搜索树的第 K 大节点📳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。