一面

这次面了33分钟，过去他先简单介绍他们情况，搜广推部门啥的，自我介绍完，先问了实习做的啥，然后我讲完了点，然后面试官说后面不用讲了，然后开始问，相对之前相比的优点，也问了一些里面的细节，主要还是业务流程方面的，没有仔细问模型本身相关的东西。然后是关于后面是否能上线，有啥问题。还问了大模型实际提高速度如何做，我说选用性能足够的小模型，量化剪枝蒸馏。

后面的项目好像没问，毕竟确实也不怎么相关。

然后说既然是搜广推，出个算法题，模型预测的一个排序和实际的排序，如[1,3,2,5,4]和实际的顺序[1,2,3,4,5]，设计一个函数给模型的输出打分，这块我大致思考了下，说了个思路，然后让实现，我就开始写

1
2
3
4
5
6
7
8
9
10
11
12
13
def main():
    n = len(rank1)


    rank1_dict = {value: idx for idx, value in enumerate(rank1)}
    rank2_dict = {value: idx for idx, value in enumerate(rank2)}


    loss_sum = 0
    for value in rank1:
        loss = rank1_dict[value] - rank2_dict[value]  # 计算排名差
        loss_sum += loss ** 2  # 差值平方累计

写了这些，然后分数差不多就是损失归一化然后反过来，然后就差不多了。

然后反问环节，我就问了下我技术栈过去转换是否大，面试官说他们也有大模型岗位，我说大模型不一定能火多少年，不过搜广推是互联网的基础，更看好一些，面试官让回去了解一下搜广推，上手做下项目啥的，毕竟是不能只靠兴趣，我说回去看看。

总体来看，这是第一个投搜广推给面的，虽然我也基本没怎么投搜广推，感觉面的也凑合，不过匹配程度确实是个问题。