## 写在前面
开始求职至今面的第一家大厂，也是第一场没过半就知道自己铁定凉透的面试。
先上面试总结（aka感受）：**从面后复盘来看，字节的一面并不难，主要考察的是候选人的基础能力。算法题难度中等，正常发挥即使没刷过，在引导下也都能做出来；理论考察主要还是针对自己简历项目经历上写的内容，即简历写自己用了什么做了啥，***不离十就问这个点**。
---
## 算法题
- 两树节点的最近公共祖先；
- 最短编辑距离。
**划重点：据面试小哥哥说，他面了多个人用的都是这同一套题**
## 项目/理论考察
90%问和项目相关的知识点（NLP），10%问其他领域/延伸知识点（CV或其他）。**按面试官小哥哥的说法，字节希望的人才是T型的，即不只是在一个方向上研究的够深，同时对相关领域也要有所了解**。
### NLP深度模型
- 说一下Bert预训练阶段的任务、做法（Mask LM和NSP，要说具体怎么做的）
- （接上继续深挖）Bert的Mask LM任务有什么问题（预训练和下游任务不一致；Mask单一word导致专名、实体被切割，尤其在中文领域影响比较到，因此后来出了个全词mask；静态Mask，和一共只mask15%的问题，但按小哥哥说法其实这个影响不大）
- 了解过百度的ERNIE吗（没有）
- 能说说Transformer的attention机制吗（attn = softmax(dot(QK)/8)V,其中8是注意力头参数维度开方）
- 能说说Transformer的多头注意力机制的优点吗（将一个大的参数向量切割成8份，降低总计算量的同时，多头计算后concat有点像CNN的卷积核多通道计算，起到集成的效果，此外第不同的特征维度进行不同的计算，能捕捉到更丰富的信息。我还另外多答了说能并行计算，经纠正发现自己一直以来都理解错了）
- 纠正以下表述中的错误：从矩阵乘法的角度来看，将参数向量切割以计算多头注意力，不是和直接用一个大的向量去乘是等价的吗（被小哥这么一说我一时间感觉好有道理，许久没想出来到底哪错。正解：scale dot-product attention不是线性计算，QK经过softmax后才和V相乘。）
### NLP统计模型
- HMM能说一说吗
- 维特比算法能说一说吗
- 维特比算法和bean search的区别以及二者各自的应用场景
### CV拓展
- CNN原理，卷积乘法和矩阵乘法区别
- 四维图像用三维卷积去扫描，计算总的计算量（我其实连题都没听明白，答案好像是所有维度全乘起来）
### 其他简历项目上写到的点
- 多卡并行计算怎么实现的
- 混合精度的原理，为什么不全用16位浮点数，什么时候用16位什么时候用32位
### 反问环节
借机问了一些自己感兴趣的东西（包括但不限于字节为什么要大力拓展教育领域、NLP在教育的应用场景、字节对于新人的要求以及给定成长期限是多久），面试官小哥哥也分享了字节的人才观、价值观等等。当然最后也明确表示大小周，10-10-5/6，双月KPI是没跑的。
一面进行了将近两个小时，估计是我中途表示了自己感觉已经凉凉，面试官小哥哥出于安慰和鼓励而延长了许久交流时间。在此也特别感谢这位面试官小哥哥！
全部评论
(2) 回帖