B站信仰充值哈哈！接到onsite面试邀约果断冲过去面试了。线下面试的好处就是可以主动手撕公式，很多东西推导一遍胜过很多解释。
这星期弄完腾讯和华为的秋招以后有心情补拼多多的面经吧。其他公司估计就不想面试了，毕竟面试身心俱疲。
捞我的是推荐组，所有面试我投的都是nlp结果面的全是推荐，幸好之前拜读过王喆的书还做过一个小项目。
一面 40min
1、自我介绍
2、详细介绍论文（穿插了attention机制推导）
3、介绍实习项目
4、知道有哪些经典的推荐系统模型？（聊了一下FM和Deep & Cross）
5、手撕LR
6、做题：数组最大的K个数（真正的手撕，C++纸上写的那种）
7、介绍一下CNN的原理，以及batchnorm的作用+原理
8、average pooling和max pooling各自的优缺点
9、反问
二面 1h
1、面试官自我介绍+自我介绍
2、详细的实习项目介绍（motivation+解决方法+模型原理推导+优化方案+优化的动机与原理），这个聊了有半小时。
3、bert做分类任务时相对textcnn和传统lstm/rnn分别有什么优势？除了长时记忆遗忘，bert相对于lstm和rnn还有什么优点？
4、gelu的表达式和优点。
5、手撕gru
6、知不知道除了bert现在还有一些超大型模型可以做多任务预训练和文本生成？介绍一下吧。（说了gpt系列）
7、介绍新闻推荐的小项目（面试官正好了解这一块，和他聊了十分钟左右）
8、transformer位置编码+bert位置编码，为什么transformer位置编码选用sin/cos的形式？有什么好处？
9、算法题：(1) n个数分为m个连续子数组并分别求和，求这m组和中最大值的最小值 （2）无序数组中有两个重复数字，其余元素均只出现一次，求这两个数字（面试官给了提示才做出来，还是一开始脑子转不过来）
10、SVM和LR各自适用的使用场景（SVM详细展开+手撕推导）
11、场景题：B站推荐视频列表中有一些视频因为位于推荐列表末尾导致click rate太低，用朴素CTR模型可能无法让这些视频有很大的权重，有什么方法能解决这个问题？
（我先说了汤普森采样+UCB，然后要求大致手撕了一下原理，后面再引导了一下从特征设计角度给了大致的方案）
12、场景题2：我们项目组以前想用bert对视频标题提取特征，后面用KNN进行聚类，但是发现效果还没有传统机器学习方法效果好，你觉得是什么原因？（一开始说了bert模型本身的特性，后面面试官突然有了兴趣还follow up了一下，貌似我给的方案他们尝试过，效果有提升但还是没到预期，后面就随便扯了点别的原因，也不知道对不对）
13、为什么投了B站？（当然是信仰加持啦）
14、反问（面试官还聊了聊自己校招进来的经历，以前也是做nlp的哈哈）
三面 1.5h 主管面聊了一个半小时，没说题目，但是主管面需要把你自己的想法很有逻辑地表达出来。个人认为主管特别特别厉害，有点被吸引到哈哈哈。
主管面大概就是聊项目，聊了他们的项目，聊人生聊理想。可能因为她也是留学生回国发展的，聊的东西会更多一些。
走之前hr说她这几天会打电话做个hr面，因为今天结束得太晚了他们正好有会议安排。
希望有个oc！毕竟对B站的偏爱是发自内心的。
全部评论
(6) 回帖