2024推荐算法实习面经转载
应该都是最核心的部门，这几个都拿到offer了，基本都是1-2轮技术面。之前的实习做的是美团的推荐广告业务，所以问项目的话也是针对广告的技术。感谢各位大佬提出的简历修改建议，学习到了很多，整理一下面经攒人品，今年秋招的同学可以交流一下。

虾皮推荐
1.介绍上一段实习项目a.收益是由什么带来的，出价提升是否会导致ROI降低b.loss是list-wise还是 point-wise(单点预估的话，是不是模板里面广告位多的list loss更大) c.如何进行校准
2.了解过哪些推荐网络结构
3.介绍youtubeDNN结构
4.介绍熟悉的loss function
5. batch normalization和layer normalization的区别
6. batch normalization训练和推理阶段的不同
7. 有没有了解过多目标多场景任务
8.算法题:寻找最大连通色块，m行n列的矩阵，每一个元素代表一种颜色，寻找颜色相同的最大连通色块所对应的颜色

得物推荐
1.为什么拍卖机制需要满足激励兼容
2.ctr校准所用的list-wise模型的结构是什么
3.用rank score是如何满足激励兼容的
4.code: 反转链表

滴滴推荐
1.多目标预估如何解决跷跷板问题
2.MMoE为什么能够做到多目标优化
3.除了MMoE还有什么其他的多目标优化模型
4.除了auc还有什么度量排序结果的指标
5.如何评估ctr校准模块的效果
6.算法题:实现auc

百度搜索
1.算法题:快速排序
2.广告推荐链路的常见模型和评价指标
3.正负样本如何采样
4.用户对于poi的偏好不同，这一点如何建模。比如，点击为0，点赞为1，下单为2
5.判断二叉搜索树