30-50K｜抖音大模型｜社招3轮面经

情况介绍：我主要做nlp，也涉及到多模态和强化学习。现在大环境比较差，能投的公司不是很多，比如腾讯，主要还是高级别的，所以腾讯我就没投

抖音一面

1、聊项目。

2、AUC的两种公式是？你能证明这两种等价的吗？

3、BERT-CRF中，为什么要加CRF？好处是？

4、self-attention为什么要用QKV三个矩阵，不用有什么问题？有没有哪个模型的Q和K矩阵是一样的？

5、reinforce属于on-policy还是off-policy？为什么？

6、reinforce带上baseline好处是？reinforce的loss写一下？

7、策略梯度会推导吗？简单写一下？

8、代码题（代码题一般别着急写，先跟面试官说下思路，确定了再写）：

lc 46，全排列（lc表示leetcode，下同）。

lc 73，矩阵置0。

这一面我以为面试官只会问多模态，不会问强化学习，没想到这个面试官好厉害，强化学习也很懂，真的很强啊，我比较好奇，他们哪里来那么多时间看那么多领域的东西

抖音二面

1、介绍项目。

2、知识蒸馏有哪几种？你觉得哪种效果最好？

3、nlp的数据增强方法，主要有哪几种？每一种举个例子？

4、分类的损失函数为什么是交叉熵而不是mse？

5、BERT对输入文本的长度有什么限制，为什么要限制长度呢？

6、BigBird里面有哪几种注意力机制？相比原始transformer的self-attention的优势？

7、场景题：如何根据拼多多的商品数量，估计淘宝的商品数量？

8、给出emb_size, max_len, vocab_size, ff_inner_size，num_heads, 12层，求BERT参数量。

9、代码题：n皇后问题。

给我来了一道hard题目，我以为我要挂了，结果没几分钟HR告诉我过了。

抖音三面‍

1、简单聊项目。

2、CRF和HMM区别？CRF为什么比HMM效果好？

3、如果BERT词表很大，比如vocab_size达到几百万，怎么办？

4、快速手写一些transformer的mha（多头注意力），伪代码意思一下就行。

5、为什么对比学习中，temperature很小，而知识蒸馏的temperature比较大？

6、你觉得在抖音买东西，和淘宝、拼多多他们的区别是？（我没在抖音买过，就只能现场编。）

7、你最近看到过哪些paper？简单介绍下？

8、你觉得自己有那些优缺点？平时喜欢怎么缓解压力？

这一面的面试官很和蔼，一直笑呵呵的，后面就是闲聊了，体验很不错。

附上技术清单

在这里，我们想要强调的是：成功求职并不是一件难事，关键在于你是否做好了充分的准备。通过学习和掌握AI技术的相关知识和技能，了解面试中可能出现的问题和技巧，你就能够在面试中展现出自己的专业素养和实力，赢得面试官的青睐和认可。因此，让我们一起努力，用知识和技能武装自己，迎接AI时代的挑战和机遇吧！
有需要的朋友可以扫描下方二维码，免费获取更多相关资料！

最后，祝愿所有转行、求职的同学都能够在AI产品面试中取得优异的成绩，找到心仪的工作！加油！

大模型基础面

大模型进阶面

大模型微调面

大模型langchain面

大模型推理面

更多面试题分享