說起1、2月，絕對算得上求職者的黃金準備期，傳說中的金三銀四和校園春招都馬上要到來了，相信有準備的朋友們已經開始刷題了，今天就為大家分享一篇位元組跳動的真實面經：
位元組電商&垂直策略部nlp演算法工程師面經分享
第一次面的位元組電商下的智能客服組，主要做對話生成，部門的技術涉及到知識圖譜以及多輪對話生成，一二面面試官都問得比較深，懂的東西也很多，對單純的背八股回答不感興趣，喜歡應試者有自己的思考，三面面試官面試的時候一直在看手機回訊息，有時候根本沒在聽，最終三面不出所料地掛掉了，
一面
1. 詳細介紹EMNLP的論文
a) 比BERT好在哪？某種attention，以及實作一定程度的資訊跨句傳播
b) 標注的細節？
c) 可否處理未見事件
2. 介紹文本表示方法：
One-hot，詞袋模型，神經網路word2vec，w2v負采樣，BERT的多頭attention作用（面試官不喜歡背八股，喜歡有自己的思考，討論了多頭attention可以關注到一個小部分的資訊，比如100/1000維，單獨處理前100維不會使之被后面的輕易average掉）
3. 做題：二分查找
反問：位元組電商下的抖音電商，業務有知識圖譜和對話結構化，知識圖譜主要針對抖音電商商家所填資訊不完整的情況，和標題填一大堆引流的情況，
二面
1. 詳細介紹EMNLP論文
a) Tensor-composition的具體程序，為什么work
b) 事件比attention好在哪里？
一個是高亮事件
一個是可以關注到模式（主-謂，謂-賓）
c) 是否分析bad case：句子比較長，事件被avg掉了
d) 為啥用交叉熵不用MSE
e) L1正則化為什么稀疏？涉及到凸優化的理論，面試官建議多看點機器學習基礎內容，
2. 了解LDA嗎
3. 代碼題：手寫k-means
三面
1. 講EMNLP論文，無詳細提問
2. BERT的改進有哪些模型
3. 場景題：以過去一年的所有對話為資料，構建一個對話系統
4. 代碼：洗掉鏈表中的重復節點
5. 場景題：給出淘寶的總商品總量，估算拼多多的商品總量，分類后分別抽樣，每個類前面乘一個權重，權重是單價分之一，
位元組電商這邊掛掉后轉到了同一hr負責的垂直策略部，也就是火山引擎，主要做to B業務，
一面（垂直策略-火山引擎to b業務）
1. 二叉樹中最大路徑和，要求修改全域變數，不會做
2. 問專案
3. 講BERT
4. 層次softmax中怎么就節省了計算量？類似Word2vec
5. Word2vec中用的前面那個映射矩陣還是后面那個映射矩陣
6. 為什么不能在nlp當中用bn，而是用ln
7. AUC了解嗎
8. 梯度爆炸的緩解方法
二面
1. 做題：股票買賣1，股票買賣3（限制為兩次）
2. 介紹EMNLP論文，只問了創新點在哪里
3. 講self-attention
4. 講BERT的兩個預訓練任務
5. Topic model原理？只會用，
6. GCN原理？只會用
7. 圓上取三點，圍成銳角三角形的概率，鈍角三角形的概率？
反問：
1. 業務：賣技術，推薦各種東西
2. 推薦背景重要嗎？不重要
3. 哪方面能力重要：資料處理（有時候加去重都會提升效果），模型上面提升不大
4. 三面通過率：較小，三分之一，必須有一方面突出，代碼或者演算法
三面
1. 介紹論文
2. 提問緩解過擬合
3. 為什么論文里不用MSE？
4. 優化器：adam和adagrad的區別
5. 做題：找到一個和等于target的最小連續陣列長度
八股文不背不行，背了不受用，面試都不知道該怎么刷題了，現在春招即將開啟，很多同學還不知道該如何準備，解決就業難，進大廠難的CSDN超級實習生計劃2022年內推正式開啟！大廠、名企實習直通車，年薪最高可達30萬，先到先得！即日起可填表預約測評及內推啦！
想知道你的實操能力如何？
點擊鏈接開始測評>>> CSDN超級實習生測評名單收集
另有一份Java核心面試知識點整理，免費分享給大家，點擊文章底部VX名片掃描添加即可免費領取！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/416152.html
標籤：AI