美团推荐算法一面-校招面经

一、手撕1.题目：215 第k大的数2.涉及知识点：快排、归并排序3.考察类型：ACM二、项目和八股1.围绕uplift模型项目的介绍和本人研究专业的介绍embedding，sparse&dense模型，但似乎面试官不太了解这种深度学习模型的训练方式，他更多聚焦于随机森林算法，和我做的uplift模型的技术栈不太一样22年阿里论文，DESCN，论文中涉及的模块设计2.训练样本是否RCT，有没有引入观测数据3.AUCC和AUUC的联系与区别4.X-learner的认识

1.简历项目介绍2.如何做attention，为什么attention要除以根号dk?3.讲讲你对Embedding了解多少？4.对推荐系统都有哪些了解？常用技术点有哪些？5.从从ROC到AUC、再到GAUC，它们分别是什么，有什么区别？6.为什么Transformer选用LayerNorm而不是BatchNorm？7.如何进行模型的在线训练，和离线训练有什么区别？8.项目中涉及的模型是如何进行输出的，是否涉及在线预估？9.介绍多路召回策略。10.交叉熵怎么理解？11.算法题：三数之和

后端面经1. 项目是网上学习的还是自己实现的2. 项目的后台是怎么实现的3. 会话管理是怎么做的4. 会话内有没有做上下文关联5. 你电子信息专业具体是什么方向6 div元素隐藏有哪些方式7. 响应式布局怎么实现？8 调接口有一些跨域的问题，应该怎么解决9. 主要用的是VUE3是吗，VUE2用过吗10. vue3的响应式原理是什么11. 在不同的页面之间，数据传递有什么方式公司在深圳，是做雾化器的，团队的一个负责人，和两个技术面试官一起面，一共三个人面试的时候感觉还行，反问的时候说面试结果两天就出，思摩尔国际2026全球校园招聘倒计时❗还没拿到offer的同学抓紧时间⏰【急招岗位】①技术研发类...