搜索算法实习-滴滴 面经分享

继续来分享下之前的面经~欢迎友好讨论,信息共享
1.实习拷打
2.项目拷打
3.模型为什么不直接用单任务估 pcvr,这不是更直接?
4.为什么多任务模型比单任务更好?
5.特征层面进Sharebottom特征怎么选的?
6.广告模型用的特征具体有哪些类别?
7.用户侧特征都有什么?
8.自己有具体去看过特征吗?比较重要的有哪些?
9.做网络优化前有考虑先从特征统计层面做优化吗?
10.PLE和MMoE用过没?为什么效果不如当前的模型优化?体现在哪里?
11.共享屏幕随便打开一个讲 MMoE 的博客讲一遍
12.MMoE 你觉得最大的亮点在哪里
13.MMoE 伪代码
14.关于增量特征,从原始特征选一部分,而不是做更多新特征,这点怎么考虑的?
15.八股 QKV怎么做并行的 写个伪代码
全部评论

相关推荐

点赞 评论 收藏
分享
02-24 14:20
已编辑
广州大学 产品经理
我自己是985本英专在读,从大二下学期开始接触AI,大四的时候秋招成功拿到了三家大厂的AI产品经理offer。相信大部分同学和我一样,在刚开始学习AI相关知识的时候,一直在犹豫是否要从代码开始,学c语言、学Python,陷入了似乎只有学计算机才能懂AI的困境。其实直到现在,不借助任何工具,我自己也不能成功写出超过10行代码,但我可以在几小时内利用各种AI工具vibe出一个软件产品出来。转行AI,不会写代码其实真没事,关键是你是否具备这些AI技能!工具应用层(最基础,必须会)能用AI工具完成实际任务,比如用VibeCoding工具(Cursor、ClaudeCode等)把产品idea跑通,用Gemini/Claude做信息拆解、文档撰写、竞品分析等。技术认知层(不用会做,但要听得懂)理解主流AI技术的原理和边界,比如大模型是怎么工作的、agent的底层逻辑是什么、RAG和fine-tuning的区别在哪。不需要手写代码,但要能和技术团队对话,判断一个需求技术上是否可行。产品能力层(核心竞争力)懂用户需求、会拆解产品逻辑、能写清晰的PRD,这些是传统PM能力,但在AI产品里需要叠加对AI能力边界的判断——知道哪些场景适合用AI解决,哪些不适合。行业认知层(持续积累)保持对AI行业动态的敏感度,了解主流模型、工具、竞品的最新进展。当然,在日常看到一些AI资讯的时候,少不了接触各种晦涩难懂的技术术语。我的方法就是碰到一个不懂的直接丢给gemini让他讲,直到自己看明白,一点点日积月累,就能慢慢掌握“技术”的理解。
掌握什么AI技能,会为你...
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务