腾讯:
1.问之前做过的一个NER项目，数据量多大，怎么针对小数据量优化模型的？
2.为什么选择bert+Bilstm+CRF？
3.为什么选择bert的多个隐藏层做加权求和还有拼接，效果有提升吗，提升有多大？
4.问kaggle的一个推特文本提取的一个比赛，问的比较细节，模型的输出是什么样的，单个模型有多大？
5.HMM和CRF介绍一下？
6.代码题，旋转一个链表中间的一部分(从第i个结点到第j个结点)

滴滴：
1.问之前做过的一个NER项目，用了bert的几个隐藏层，怎么处理的，loss函数是什么，和传统的交叉熵有什么区别？
2.了解lstm的三个门函数吗？
3.说一下embedding，word2vec的两种模型，哪个收敛的更快？
4.lstm梯度消失怎么处理？
5.了解graph embedding吗？
6.谈一下embedding的发展过程？
7.CRF中的维特比算法
8.FM算法，deepFM算法
9.代码题：10亿长度的数组，有大量重复数据，怎么查找中位数

创奇新智:
2.手推SVM
3.代码题：一个二维数组，每一行是递增的，找出前k大个数

腾讯:
1.介绍一下bert？
2.RoBERTa和bert的区别？
3.RoBERTa为什么放弃了NSP任务？
4.lstm和gru的区别？
5.layer norm和batch norm的区别？
6.layer norm是怎么做的？
7.代码题:一个字符串，保证非字符符号的位置不变，字符倒序

平安科技:
1.谈一下word2vec？
2.Huffnman树怎么构造的？
3.说一下Bert，Bert的结构？
4.谈一下CRF

1.lstm公式 attention公式
2. 文本分类预处理过程？如何生成词向量？如何抽取特征？去除停用词？（分词-去停用词-文本向量化）
3. fasttext的过程

腾讯二面:
1.为什么用的是roberta？
2.roberta和bert的区别
3.如何处理噪音？
4.如何识别标题党？
5.优化器:SGD和Adam的区别？
6.为什么一般使用SGD而不用Adam
7.代码题：在N个数的list里得到任意N-1个数的乘积(两种方法,除法和不让用除法)，
8.在上一个问题的解中找一个最大的结果

滴滴:
1.介绍一下两个比赛
2.为什么用BiLSTM，是效果驱动的吗？
3.CRF和HMM的区别？
4.生成式模型和判别式模型的区别？
5.EM算法和MLE的区别？(有监督，无监督，隐状态)
6.Roberta和Bert的区别？
7.简单介绍了下SVM？
8.为什么SVM要转化成对偶问题求解？
9.SVM使用什么算法求解，大概介绍一下SMO算法？


头条：
1.链表快速排序
2.在一个已经排完序的列表里面找到一个数第一次出现的index
3.把字符串内多余空格去掉
4.两个队列实现栈
5.word2vec负采样
6.lstm和rnn关于梯度消失有什么不同
7.同样的代码不同的初始化结果怎么保证一致
8.tanh和sigmoid的劣势 relu的优势
9.relu失活的问题
10.batch norm
11.负采样之后，需不需要把分布恢复到之前的分布