发一下问题给大家参考，攒攒人品！1.实习拷打2.问项目3.整个背景是什么？4.项目具体有什么难点？是怎么考虑技术选型的，有哪几套方案，为什么选了最后交付的这一套，怎么做实验的？5.怎样用DNN做特征交叉？怎样处理格式化输入？6.介绍一下 Word2Vec。7.了解树模型吗，介绍一下树模型。介绍一下随机森林。8.有哪些处理过拟合的方法？9.手撕：手动实现atoi函数，把字符串转换为整数

攒人品中，祝大家都能拿到满意的Offer！1.实习拷打2.拷打第一个项目:2.1CTR和CVR是两个独立模型还是多目标模型?为什么这么设计?2.2精排模型最终rank分怎么得到?是加权和还是learned score?2.3新引入的特征有没有尝试用序列建模，而不是离散/连续特征处理?2.4如果CTR/CVR离线涨了但线上不涨，如何判断问题出在哪?3.拷打第二个项目:3.1序列较稀疏的情况下，建模时如何处理稀疏性问题?3.2序列长度怎么确定的?3.3上线后线上RT变化多少?4.拷打第三个项目:4.1非序列特征为何要异构FFN/QKV，序列特征为何可同构?4.2causalmask如何支持single user multiitem推理优化?4.3MFU提升的收益来源做过归因拆解吗?4.4异构特征token化的方案有哪些?5.Coding:最长回文子序列(hot100)

发一下问题给大家参考，攒攒人品！1.实习拷打2.拷打项目:针对长短期记忆，讲讲你是如何设计记忆的提取、压缩与冲突更新机制的？如果检测到用户存在极端情绪，你的Agent如何在不中断对话流的前提下进行干预？3.讲一下稠密向量与稀疏向量的区别，分别适合处理什么样的搜索需求？4.在向量化之前，为什么要对长文档进行切片？如果不切片会有什么后果？5.切片时设置重叠区域的作用是什么？这个比例你通常怎么来确定？6.余弦相似度和欧氏距离在衡量文本相似性时，各自的优缺点是什么？7.向量库检索出的Top-K结果，如果K值设置得过大，对后续的生成质量有哪些负面影响？8.为什么在初筛召回之后，还要加一个Rerank模型？能解决向量搜索哪些局限？9.如果文档发生了局部更新，如何通过增量索引来避免全量重新向量化？10.在RAG的生成阶段，如何在Prompt中设定边界条件来防止模型在没搜到内容时产生幻觉？11.调用大模型API时，为什么要使用asyncio异步编程？它在处理高并发请求时有何优势？12.你了解哪些大模型推理框架？SGLang相比vLLM的PagedAttention在推理延迟上有哪些优势？13.手撕：第k大元素

攒攒人品！有面试过同岗的朋友欢迎评论区交流1.实习拷打2.项目介绍3.多任务模型为什么没有使用过ESMM？4.全量更新是怎么做的？增量更新是怎么做的？5.线上线下的验证指标都有哪些？6.多任务模型一般有哪些多任务7.特征优选是怎么做的？为什么要这么做？你还知道哪些特征相关性的分析方法？8.数据样本的比例是多少？9.讲讲PLE模型的架构，细节到每一层的输出都有哪些组成，维度是多少？八股1.讲讲transformer架构2.讲讲Lora，QLora微调的原理？还知道哪些大模型训练的框架3.了解过RLHF吗？4.有没有做过Agent，Agent一般是怎么做的？有哪些流程？5.讲讲ROPE，绝对位置编码和cos，sin相对位置编码的区别？你还知道哪些其他的位置编码？