多目标排序的线上融合公式如何确定
哪些公司问过
答案要点
- 线性加权 Σ w_i·s_i:简单可解释,但需归一化分数,且高分目标可弥补低分目标
- 乘法融合 Π (s_i + β_i)^α_i:强调多目标同时满足,对低分目标惩罚大
- 乘法形式对单目标的整体缩放不敏感,取对数后等价于对数分数的线性加权
- 排序融合:RRF 或按排名加权,避开尺度问题,但丢失分数差距信息
- 调参:离线网格搜索或贝叶斯优化,结合线上 A/B,也可用强化学习做个性化融合参数
易错点
- 线性加权前不做分数归一化,量级大的目标主导排序
- 只做离线调参,不经过线上 A/B 验证
- 混淆多任务训练的 loss 权重与线上融合公式的权重
面试官常见追问
- 多任务模型 loss 权重如何确定?
- 多任务模型介绍一下,MMoE、PLE。
- 跷跷板问题了解吗?什么原因产生的,如何解决?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。