背景：211本硕，nlp方向，有大厂实习（但是做的都是toy），论文是混毕业用的中文期刊和c类水文。
因为整个面试太多太乱，面试问的好多具体问题可能记得模糊了，但是算法题基本上都还记得。
10面字节终于可以许一波意向书。
分享整个暑假面试过程的血泪史。
总结：
字节的面试模式：项目+八股文+算法，算法很关键，算法题写出来是基本条件。
躺平考公！
宇宙的尽头，是公务员！
1. 字节教育（师兄内推，春招实习3月份面的） 面试结果：1面挂
问实习项目，bert模型，随便说了几句然后就上代码题了
1）最大的k个数
2）搜索旋转排序数组带重复值
2道基础题，都是原题，但是当时刷题不熟练，写的很慢还有bug，第一题调了好一会，第二题处理重复值出了点问题，
很明显的挂了。
----
分割线
----
秋招提前批
2. 字节data-广告算法 base南京，7.22
很早之前好像加过leader微信，然后提前批问我要不要投，想都没想就投了，结果就是炮灰，二面挂了；后来了解到hc只有4个左右，果然炮灰，我不配。
一面：
项目：问推荐算法的实习，稀疏特征，稠密特征处理，负采样该怎么做，正负样本不均衡等，
nn模型为什么比xgb效果好，
八股：
transformer：LN和BN，xgboost相比去gbdt的改进，LR回归：原理，损失，如果样本中出现重复的样本会出现什么问题（模型鲁棒性），
交叉熵的优缺点，
算法题：
拆分ip地址，leetcode原题
二面：
项目：
问做过最深的项目，对项目蜻蜓点水的问问题，感觉就对我不感兴趣了
八股：
transformer
算法：
二叉树中k个连续节点的和最大，输出最大的路径 ，（不会做，感觉是数位dp，hard劝退，gg）
-------------------------
3. 被字节技术中台捞，base北京 7.28
一面： 问能不能提前去实习
项目：
问推荐的实习项目，感觉还是那些东西，问AUC的含义，2层
问nlp的项目，怎么做数据增强的，有没有尝试过新的方案，bad case分析啊等等，为什么要用分类模型在做（尝试过搜索召回），知识蒸馏怎么做的。
八股：
xgboost原理，xgboost特征选择，如何评估特征重要性；LR；transformer；bert。
算法：
二叉树的之字形遍历，递归和非递归
反问：
做啥业务，做搜索的，负责公司内部和一些tob的业务的搜索推荐
二面：
没让自我介绍，问我推荐这个项目auc为啥能到94，很高，为什么，我讲不清，然后问我特征穿越。
问dnn模型为什么比xgboost的效果更好，是实验得出结论还是什么？
然后好像又是蜻蜓点水的问了些问题
八股：
xgboost，LN，BN，transformer，bert及其变种
算法：
输入2个二维数组，以数组的第一列为key，实现2个数组的等值左连接，输出一个三维数组。不是sql
我的2个思路是：1个是字典保存下来，另一个是排序后双指针
感觉面的挺好的，但是1天后问hr说挂了，面评说方向不匹配。 麻了
---------------------------------
4. 被字节-抖音评论NLP捞 8.16
感觉自己不配这个部门，和我说了半天然后还是妥协了继续面呗，然后又是二面g了，
一面：
项目：
介绍了推荐实习的一个项目背景，大概聊了聊，
然后介绍了自己的水文，创新点在哪里，
八股文：
bert的变种，问烂了的transformer，八股文都是那些
算法：
1）给定一个只包含0和1的字符串，一个整数k，求在连续的k个子串中，1的个数的最大值，
双指针，秒了
2）单调栈的经典题
秒了
3）看我做的快，又给了一道题，让说思路，给定一个包含字符串的list，每个字符串都有一个对应的翻译结果，问我如何在o(logn)的时间复杂度下确定这一一对应的关系，
看到logn我一直在想如何二分，最后随便扯了几句时间到了，面完就想起来感觉是word2vec里层次softmax类似，构建霍夫曼树，感觉这道题出的狠nice，
另外感觉自己这一面是面的最好的一次。
二面：
项目：详细讲了我的论文的细节，可能我讲的很乱，一直在纠结我这个框架中query的设计，然后负样例怎么去优化，阈值怎么设置等等。
论文没给面试官讲清楚，我感觉对我就不太利了，
算法题：
接雨水的改编题，没写出来，显然gg，太可惜了。
-------------------------
5. 字节垂直策略-财经(没做笔试) 8.27、8.31、9.2
到现在不算实习的那次面试，已经面了6面字节了本身已经佛了， 觉得不会再被捞了，正式批也开了，就随便投了一个部门，
然后这回又被其他部门捞起来鞭尸了。
可幸的是，这次面的岗位跟我在学校做的nlp方向大致match，所以整体上聊研究方向居多。
一面 8.27：
项目：
问论文，query怎么设计，重复的设计会带来复杂度的提升，怎么搞；
问图卷积模型怎么做的，base模型是什么，动态池化机制是怎么考虑的。
对比学习是否了解，无监督数据增强为啥没效果。
八股：
transform的LN，LN的输入是什么，好处，bert，attention为啥要缩放点击。。。
算法题：
1）排序数组中找到某个数字出现的第一个位置和最后1个位置，原题，二分法
2）找出一个数组中存在重复的唯一数字（寻找重复数）。leetcode原题，但是不允许用额外空间，不允许改编原数组，复杂度要求O(logn)。
在面试官的提醒下写出了二分思路的代码。
二面： 8.31
项目：
因为组里做信息抽取的，感觉只能问我论文，推荐没被问过，
然后就是怼我的工作，效果为什么也只有50%多，让我举出一些bad case来，反正就是各种刁难我的工作。
另外一个项目用到textCNN，让我手写介绍这个模型，然后写参数计算，没写出来，
然后问了啥我忘了
算法：
1）搜索旋转排序数组，无重复值，ac
2）毒蘑菇，类似跳跃游戏，这道题写的有点问题，
反问环节觉得自己挂了，八股文答的也不好，我都不知道问他啥，还好面试官留情放我一马。
三面 9.2
还是聊了阅读理解框架的论文，但是问了很多细枝末节的东西，问的我压力很大，
还说我这个已经被很多人做过的idea，没啥新意，我只能牵强的解释xxxx。
八股：
序列标注问题，CRF问的很深，我了解的太浅，面试官说忘了就跳过，下一个；
Transformer Encoder和decoder的区别
transformer对比lstm的优势
lstm的八股
问完我感觉自己有点紧张，面试官说我别紧张，表达的不清楚。
算法：
1）手写self-attention，带mask矩阵的；
2）二叉树的之形遍历
3）爬楼梯
反问环节：
我问面试官我面的咋样，面试官说无法告知，我内心想必定挂了，
然后就象征性的问了组里做的东西，主要和信息抽取相关，做tob业务，这和我的方向还是match，然后面试官问我有啥offer
然后就结束了。反问环节感觉都还在给我施压。
10面大致如此，感觉自己搜广推NLP都面过，还是nlp给机会了，搜广推太卷了，我溜了。
许愿意向书。
结论：
太累了，我想躺平考公了。
宇宙的尽头，是公务员！
全部评论
(7) 回帖