后台知识问的不多，因为是算法转的（HR小姐姐真的太热情了），就讲讲题吧。   许愿offer~~~~   字节一面（60+min）：   自我介绍   问论文   TCP UDP   还有一些问题记不住了   做题：求二叉树中根到叶子节点的最小路径（考虑程序并发性）      字节二面（60+min）：   自我介绍   问论文比赛实习细节   系统中的那些地方用到了堆和栈   其他也记不住了   思维题： 在地球上，只能沿着经纬线走，地球上那些点可以做到向东走x米，再向南走y米，再向西走x米，再向北走y米，最终回到原点（注意是只能沿着地球上经纬线走）   做题：链表按给定的分组翻转     ...

百度二面 1、每一个数有一个概率，要求写一个随机数发生器，使随机数产生概率符合要求 2、LR和SVM的异同 3、 KNN的原理，如果所有K选的很大，会导致过拟合还是欠拟合  4、详细聊论文+实习，对聚类的一些看法      百度三面  做的论文里面检索的流程（最开始讲的很细，谈到了具体的方法，面试官说这是三面，宏观一点。PS: 三面都是leader，细节他基本不care，都是从综合宏观的角度去看问题，所以不需要讲的太细节，除非面试官问的很细节） 聊聊transformer 为什么用多头，用了几个 Transformer怎么能保证学习到一个词的多个语义 图像预训练（说了不会预训练，但还...

面试官是个很温柔的小姐姐，用的牛客   1、介绍自己   2、详细展开说自己的一篇论文（视频文本检索）   3、检索的场景具体是什么样的   4、遇到海量视频的话，怎么办（在学术界一般不会遇到，工业界先利用tag、相关性、意图这些粗筛，再精排）   5、LSTM相比RNN是怎样的（说了LSTM增加了三个门，具体怎么操作，LSTM解决了RNN的什么问题）   6、讲解设计的损失函数和用代码实现   7、算法题（死亡的开始）   三体问题：给定3个物体的质量、初始位移、速度和模拟的时间间隔T，假定T时间内都进行匀速直线运动，模拟一段时间内的物体运动轨迹   没写出来，题意都理解了好久，害，最后说了...

自我介绍   论文，论文的思路、运行的时间、评价指标，怎么优化，等等   实习：实习做的任务上线指标，等等   非常深挖，刨根问底，问怎么优化等等   coding:   1、 用pytorch实现多头注意力机制；   2、找到第K大的数（用的快排，然后问优化）      全程问优化，问到头皮发麻……

先问实习干了啥，具体的一些实现，没啥借鉴意义   聊比赛，比赛本人负责了那些模块，怎么实现，为什么用残差，损失函数具体怎么设计的。   讲论文，主要讲搜索的那篇，讲具体方法，问细节，没啥借鉴意义   八股：   1、L1主要是可以获得一些稀疏解，L2不是（后面bala没听到），怎么理解。（我从梯度角度解释了一堆，面试官从L1是V型，和loss相交，大概率是0点巴拉巴拉，L2是曲线巴拉巴拉（为啥大概率是在0那块我也不太懂，面试官说的都对！））。   2、缓解过拟合方法（从数据、模型两个方面说了一下）   3、LSTM对比RNN的改进（只说了长距离依赖的解决问题，面试官说还可以缓解梯度消失（有点紧...

熬过一面，回馈牛客   1h  自我介绍，介绍自己的论文+比赛  做题：最大子矩阵和   上来就是一道hard给搞蒙了，问时间复杂度，暴力了一波   然后开始详细问第二篇论文，为什么要设计这个Attention，为什么要设计这个loss，模型是end2end的吗，从输入开始讲一遍模型（讲的太详细被吐槽啰嗦了hhh），数据集规模，提升怎么样，特征embedding的纬度   没有八股，maybe因为时间不够了

大佬们系统里的进度有更新吗？比如从初试变到复试或者HR面试？还是说这个更新没啥用，只需要看最后的通知啊。