快手国际化-一面

1.热门、分类、高分三个任务是互斥的吗?有没有做过测试，看热门和高分之间的gap，因为有些热门电影和高分电影有很大的重叠2.DeepFM中的FM和人工特征交又有什么区别?DeepFM在工业界很少用，因为特征交叉的数量太多了，应该怎么处理?a.模型比较老，现在工业界基本不用FM，因为特征交叉得到的特征太多了，一般都是魔改3.几个数据集的大小是多少?4.Gradnorm的原理是什么?工业界一般不这么用，因为这个gradnorm比较trick5.为什么使用RO-KMeans?因为RO-VAE会疯狂坍塌，坍塌现象很严重，所以只能使用RO-KMeans来做。可以看看其他生成sid的方式:a.比如第一层直接按照类别分类，之后再使用均衡KMeans6.为什么使用CLIP来实现多模态?选择CLIP的原因?手撕:Hot 46.全排列 [1,2,3]有多少种全排列?Hot 56.合并区间

前几周秋招补录阶段，后台私信堆了好多条帮看简历和要模板的消息。我扫了大概几十份，发现一个特别严重的共性问题： 80% 的技术人，都在用写“记叙文”的方式写简历。但在面试官（尤其是大厂）眼中，简历不是你的个人传记，它是一个“销售单页”。它的唯一 KPI是约面率。不灌鸡汤，就从“技术/流量思维”聊聊怎么改简历，顺便分享一个我和字节朋友搞的小工具。为什么你觉得自己很强，简历却被挂？ 大厂筛选系统的逻辑，其实和搜索引擎很像：关键词匹配+权重计算。HR 看一份简历平均只有 6-10 秒。❌ 低效表达（记叙文）：“参与了公司商城系统的后端开发，负责订单模块，使用了 SpringBoot 和 Redis。”...

小红书，商业技术，强度比字节低一些，领导线下沙龙交流过感觉挺好的。但是往年xhs校招风评貌似不太好，留存率好像挺低的阿里，广告结算，是暑期实习的地方，团队氛围和领导都挺好的，就是工作强度也很大，还有可能凌晨起床修告警（最近问了领导说现在比之前好不少了），然后base不算高，阿里本身也是职场减速带？字节，data agent，是Data大部门下数据平台做数据分析智能体的，新业务，强度比较大（一周好像得上6天，今年年初才成立的业务）。不知道这个方向好跳槽不，同时字节对校招生貌似不怎么友好薪资单看base吧，首年基本上各家差得不多，有签字费之类的。或者是说有可能在字节或者是小红书干个一两年高base跳槽去其他厂有可能吗？会不会下家接不住

时间线：11.29 投递，12.1 简历通过，约面。 12.08一面，答的一坨，估计极大概率已挂，面试时间总计35分钟update: 12.11晚被发感谢信个人反思这两周效率还是不太高，每天有效学习时间6小时左右，背八股 + 刷算法，同时看12306的项目文档，阅读项目代码。期间学到了很多新的东西，但也遗忘了很多八股。现在只能继续边投边面边学了，“沉淀”对于我这种懒人来说是个伪命题，有了面试的压力，心里才有更多的动力去学项目中的业务逻辑和背八股。虽然时常安慰自己不要焦虑，但是接连的面试已挂还是相当打击人的。12月还有一堆乱七八糟的期末考试，后天11号要考编译原理，到现在都没开始预习。明天又约了...