字节跳动推荐搜索广告面试高频题报告(统计自 32 场真实面经)
结论:在 32 场字节跳动推荐搜索广告的真实面经里,被问得最多的是「购物场景的推荐系统怎么设计」(19% 的场次问到)、「Transformer 与大模型的基本结构」(12% 的场次问到)、「智能指针的类型、原理与适用场景」(9% 的场次问到)。按考点看,数据结构与算法占 20%、深度学习占 18%、推荐与搜索占 17%。
最常被问到的 30 道题
| # | 题目 | 问到的场次 | 占比 |
|---|---|---|---|
| 1 | 购物场景的推荐系统怎么设计 | 6 | 19% |
| 2 | Transformer 与大模型的基本结构 | 4 | 12% |
| 3 | 智能指针的类型、原理与适用场景 | 3 | 9% |
| 4 | AUC 的含义与计算 | 3 | 9% |
| 5 | DPO 的原理、损失函数与训练过程 | 3 | 9% |
| 6 | MMoE、PLE 与 Shared-Bottom 多任务模型对比 | 3 | 9% |
| 7 | 常见损失函数 | 2 | 6% |
| 8 | 协同过滤算法 | 2 | 6% |
| 9 | 协同过滤、Wide&Deep、DeepFM、DIN的结构与区别是什么? | 2 | 6% |
| 10 | 深度学习基础:BN、激活函数、梯度下降与正则化 | 2 | 6% |
| 11 | 经典算法题:最长回文子串、无重复最长子串、最大子数组和 | 2 | 6% |
| 12 | 常用归一化方法对比及适用场景 | 2 | 6% |
| 13 | 随机剔除负样本对AUC的影响 | 2 | 6% |
| 14 | RMSNorm 与 LayerNorm | 2 | 6% |
| 15 | LoRA 的原理 | 2 | 6% |
| 16 | Transformer 的位置编码 | 2 | 6% |
| 17 | 过拟合的概念、原因与解决方法 | 2 | 6% |
| 18 | 生成式召回需要怎样修改模型结构 | 2 | 6% |
| 19 | Attention 的时间与空间复杂度及加速方法 | 2 | 6% |
| 20 | 了解哪些生成式推荐的代表性论文 | 2 | 6% |
| 21 | BatchNorm 与 LayerNorm 区别及为何用 LN | 2 | 6% |
| 22 | 验证二叉树的前序序列化 | 2 | 6% |
| 23 | 分类与回归的区别 | 2 | 6% |
| 24 | ESMM 与 CTR、CVR 多任务联合建模 | 2 | 6% |
| 25 | 多任务学习的损失设计、权重调节与任务冲突 | 2 | 6% |
| 26 | GRPO 的原理与改进 | 1 | 3% |
| 27 | 不同路径(网格路径数) | 1 | 3% |
| 28 | 零钱兑换:最少硬币数与组合数 | 1 | 3% |
| 29 | O(1) 时间插入、删除和获取随机元素(LeetCode 380) | 1 | 3% |
| 30 | KV Cache 的优化 | 1 | 3% |
考点分布
- 数据结构与算法20%
- 深度学习18%
- 推荐与搜索17%
- 机器学习12%
- 大模型原理与微调11%
- C++5%