校招 未知部门 / 算法 / 未知轮次

<h2>小红书 社区算法 面经</h2> <p><span>岗位是做首页笔记推荐相关的东西，感觉算是比较核心</span></p><p><span>10.21一面：</span></p><ol><li>自我介绍</li><li>研究经历询问，研究主线是什么</li><li>你的这些论文主要解决了什么问题</li><li>收益体现在哪里，baseline包括哪些</li><li>讲一下大模型实习，我以为会问推荐实习的</li><li>BERT和GPT的区别，都是怎么训练的</li><li>二者的finetune一般怎么做</li><li>SFT和RLHF一般各自用在什么场景，各有什么优缺点</li><li>目前long-context中主流的方法有哪些</li><li>transformer和lstm+attention相比，主要的改进点是什么</li><li>对整个推荐系统链路有哪些了解</li><li>打分样本空间分布与精排不一致（精排对粗排返回的样本做排序，粗排则要对召回的样本打分），相关的解决方案了解吗</li><li>介绍下推荐实习相关的工作</li><li>有考虑利用线上用户的行为做一些finetune么</li><li>算法题：lc115，不同的子序列</li><li>反问：部门业务和工作时长等</li></ol><p></p><p><span>算法题下来一搜竟然是个hard，做得磕磕绊绊的，面试官说我动态规划这块题刷少了</span></p><p><span>————————————</span></p><p><span>11.1二面，是我遇到过的最难的推荐面试</span><img src="https://uploadfiles.nowcoder.com/images/20220815/318889480_1660553764028/03864089FFAB3F0B62C808081B5C41A9"><img src="https://uploadfiles.nowcoder.com/images/20220815/318889480_1660553764028/03864089FFAB3F0B62C808081B5C41A9"><img src="https://uploadfiles.nowcoder.com/images/20220815/318889480_1660553764028/03864089FFAB3F0B62C808081B5C41A9"><span>比抖音推荐面试要难许多，不过感觉回答还算OK，最后一题在提示下做出来了</span></p><ol><li>自我介绍</li><li>实习期间最有意义的工作是什么</li><li>有没有接触过GPU中比较底层的一些算子之类的</li><li>你觉得LLM对做推荐有什么帮助吗</li><li>LLM如何处理用户的历史行为序列</li><li>LLM与推荐结合落地上有什么问题</li><li>LLM想要和推荐结合，有没有什么可落地的方案</li><li>介绍推荐实习工作</li><li>如何处理一些度非常大的用户节点</li><li>模型的规模，网络的规模</li><li>graph分布式训练是如何实现的，如何分布式存储的</li><li>新模型指标提升了多少</li><li>用户推荐一般关注什么指标</li><li>你觉得业务上为什么会关注总关注数这个指标</li><li>总关注量越高越好吗，直接去优化总关注量指标会有什么问题</li><li>直接优化总关注量可能出现很多刷关注的用户，如何从模型和数据等角度去解决这个问题</li><li>抖音和小红书的推荐系统你觉得有什么差别，从算法的角度上谈一谈</li><li>小红书和抖音的冷启动处理机制你觉得有什么区别</li><li>小红书是一次性展出多个笔记，而抖音是刷新出单个视频，你觉得算法上有什么区别</li><li>算法题1：有n个灯泡，一开始都关闭，执行n轮操作，第k轮将序号为k的倍数的灯的状态反转，请问n轮操作后有几盏灯是亮着的</li><li>算法题2：给定一个数组，每次从中取出一个数k，然后将数组中所有k-1和k+1都去掉，请问如何取才能保证所取的数之和最大，最大为多少</li></ol><a>#小红书求职进展汇总#</a><a>#小红书#</a><a>#推荐算法面经#</a><a>#搜广推#</a><a>#25届秋招#</a>