美团外卖排序算法 vs 华为诺亚强化学习研究型实习生

其实我自己的研究方向主要是图神经网络，强化学习只是顺带搞搞。听说阿里很多组都招图神经网络，但是暑期实习准备太晚了，去的时候阿里招聘流程都结束了，就看着投了几家。华为是被诺亚实验室一个搞强化学习的组捞了。

华为的mentor非常nice，最后一面的leader学术水平非常高，跟我说组里做的是自研强化学习系统平台、探索高效并行训练强化学习算法等，为自动驾驶和鲲鹏生态提供支撑。

说是组里探索强化学习落地的方法，如果做好了全世界都会使用。说得很宏大，具体我也没听懂，只是觉得mentor很nice。

我问诺亚最后一面的leader，我的主业是图神经网络，组里搞不搞。leader给我说，虽然强化学习落地面很窄，但是图网络更要窄得多，你确定要搞吗？

虽然我在心里不服，心中怒吼着，我不信我不信，我的主业图神经网络早晚有一天会像红旗一样插遍寰宇，但是我确实直接就服了，再也不敢有异心。

面腾讯推荐算法，即使机试成绩375/500，因为我没有相关经验给我挂了。

其实腾讯那一面我自我感觉还挺好，问的问题自我感觉答的也没啥毛病，那个面试官还说，有些问题你来实习的话就知道了，就这都把我挂了。

估计一方面是我自我感觉良好，另外也说明推荐算法竞争真的激烈。也可能是面试官比较PUA。

字节是搜索算法的组，问我传统的图嵌入方法，什么PageRank，C++能力，我说PageRank只在随机过程课里学过，C++很久不写了。面试官质疑我为什么要用图神经网络而不用传统的图嵌入。

我面完想了一下，在搜索场景下，图神经网络确实没啥用处。总之大家鸡同鸭讲了一番，在我一问三不知的尴尬中，互相心里道了一句：再见再也不见，头条就把我挂了。

说实话我觉得字节3轮面试第一轮的面试官那个人问题有点大，自己不知道还唬我，我当时说自己采取了graphsage的做法，那个人问我graphsage怎么节点采样，我说就均匀采样啊。

结果她说了个，不是吧，要不你再看看。当时毕竟是面试，我想着面试官肯定有备而来，我当时直接就慌了，以为真有采样方法自己没注意，连连道歉说自己没注意。

面完我怎么想怎么不对，论文里根本没提怎么采样的事情，我打开源代码，发现赫然就是均匀采样。我恨啊！倒不是恨那个面试官，是恨自己当时直接就怂了，恨自己太怂太慌了。

本来和那个组也不太match，在那个组挂了也不怎么可惜。

但是可惜的就是那天状态神勇，三轮手撕算法和最后一轮的数学思维题都秒了，感觉问我的都不是很难，我看网上很多面经里的问题我是一个不会。要是这个运气留给一个match的组该多好。毕竟下次遇到match的组可能一道题也做不出也是有可能的，这种事不好说。

我发现找工作一方面经验很重要，另一方面match程度也很重要。

美团是阴差阳错给了我这个其实并没有推荐算法相关经验的同学一个很多人梦寐以求的推荐算法岗的机会。

和腾讯的自我感觉良好不同，美团二面完我都感觉自己挂了，感觉好像面试官问的问题我真正回答上来的也就一道，没想到面试官居然愿意给我个机会。

个人说实话非常非常感激面试官给我这个机会。后来听同学说美团推荐算法岗位的投录比是43比1，我想外卖组的投录比只会更高吧。一瞬间居然想，人家面试官是看上我啥了😂

个人是觉得美团的外卖推荐是一个本地推荐的场景，和一般的那种淘宝或者视频、新闻等全网内容都可以推荐的场景很不一样，一定有值得学习的东西。

华为讲的自研平台和并行化训练，也是很基础的研究，很多大公司也都在探索。

主要是这两个offer不是简单的工资或者公司的不同，而是做的东西完全不同，发展路线也完全不同。所以我整个人也是稀里糊涂不清不楚。

再加上自己也没有过工作经验，所以希望大家能给我一点建议。

从技术成长和未来发展的角度哪个组更值得去呢？

谢谢！