日常实习懂车帝推荐算法一面 40min

1.先做自我介绍，挑重点项目着重说明。
2.项目有具体的应用场景吗？
3.视频大模型是不是提取视频中的核心信息？它一般能用在哪里？
4.你想做推荐相关、大模型相关，还是推荐和大模型相结合的工作？
5.你了解推荐系统吗？
6.你了解机器学习和深度学习吗？
7.大模型在推荐系统中一般有哪些应用或应用方向？
8.大模型怎么缓解或解决推荐系统的冷启动问题？
9.你了解大模型推荐的微调这个概念吗？
10.微调怎么定义？它一般是针对什么模型进行的？
11.推荐场景或垂域场景中，需要微调的核心原因是什么？
12.Transformer 的原理能大概说一下吗？
13.基于 Transformer 大模型，怎么处理用户的长行为序列？
14.Transformer 注意力机制的复杂度是多少？怎么计算？
15.长行为序列直接计算会有什么问题？
16.稀疏注意力的具体原理是什么？
17.推荐系统中怎么设计负样本？你了解随机负样本、语义负样本这些概念吗？
18.大模型怎么解决用户兴趣漂移的问题？
19.除了折扣因子，解决用户兴趣漂移还有其他方案吗？通过微调的方式可行吗？
20.传统神经网络中，梯度消失是什么现象？怎么产生的？
21.梯度消失怎么解决？
22.你了解哪些激活函数？
23.BN（Batch Normalization）是什么意思？
24.手撕：无重复字符的最长子串