腾讯日常实习推荐算法一面 1h

1、你项目中transformer的loss是什么?2、方案二项目中transformer实现召回的原理是什么?输入输出loss都是什么?3、UCF、ICF的原理是什么讲一下4、ICF有什么缺点?实际使用的时候有什么不足5、如果有一个非常喜欢点击的用户，另一个是非常不喜欢点击的用户，哪个用户根据icf的推荐是更准确的?6、transformer的attention 公式7、多分类交叉熵和二分类交叉熵公式8、线性回归的损失函数无手撕

岗位名称：推荐算法面试时长：1h+自评分：7/10是否下一轮：待通知一、检索与排序在项目中使用的 BM25 原理是什么？相比 TF-IDF 改进在哪里？公式中每一项的含义是什么？（追问）k1 和 b 参数分别控制什么？如果 b=0 会发生什么？为什么在实际系统中要做混合检索？Sparse 检索和 Dense 检索的基本原理分别是什么？（追问）两种方式在长尾 Query 上的表现差异如何？Dense 检索中常见的相似度度量方式有哪些？为什么很多系统选择 Cosine 或 Inner Product？（追问）如果向量没有归一化，Inner Product 和 Cosine 的结果会有什么差异？在你...

之前在鹅厂实习过一段时间了，今天想跟牛友们聊聊大厂的“祛魅”时刻。没进来之前，我对这里是有厚重滤镜的。那时候觉得大厂就是技术圣殿，我也能像网上说的那样“用代码改变世界”，身边的同事肯定个个都是技术大牛，手里敲的都是高大上的架构，每天谈论的都是高并发、微服务、AI大模型。那时候觉得，能拿到offer简直是人生巅峰。但真进来了，滤镜碎得稀里哗啦。 最大的感受就是：这里不是在搞个人英雄主义，而是在运转一台巨大的精密机器。以前在学校做项目，我是全栈，前端后端数据库一手抓，想怎么改就怎么改。在这里？不可能。分工细到让你怀疑人生。你可能只负责一个巨大app里某一个页面下的某一个按钮的逻辑。你的上下游有一堆人盯着：产品经理在那儿抠细节，测试在那儿卡bug，运维在盯着发布流程。我发现大厂最消耗精力的往往不是写代码，而是“对齐”和“流程”。 你想改一行代码？不行，得先评审，再过代码review，然后跑流水线，最后还要等发布窗口。有时候写代码只花30分钟，但跟产品扯皮、填各种审批单、搞通各种内部自研的工具链，得花上一整天。再说技术，确实有牛人，但也并不全是“神仙代码”。很多时候我们要面对的是十年前的“祖传屎山”，不敢动，也不能动，只能小心翼翼地在上面打补丁。不过，虽然没造上火箭，但这种“工业化”的开发流程确实教会了我很多：怎么在复杂的协作里把事做成，怎么保证系统的稳定性。

1.14约面TEG云架构软件测试测试开发岗1.19一面1h，光速下二面1.23二面1h，跟mt聊的很好，面完显示通过1.28约1.29三面 30min，应该是主管面，面完+1说还可以，不过技术栈不太匹配，可能给我推到别的组1.30下四面 同TEG同岗位应该是换组了 2.3四面1h 体验很差，感觉组里已经不招人了，面官问的问题字少表达不清楚，也不去引导，我问她她就无奈的看着我，反问环节回答我的问题也是非常敷衍，感觉就是不想招人2.4果不其然回池子了，光速被捞，下周一继续一面