面灵AI→

美团到店 推荐算法三面:双塔召回、ESMM 偏差与 AUC 手撕

轮次
三面
时间
2026-11
来源
牛客网

《面试题目》

一面

  1. 自我介绍。
  2. 讲一个你做得最深的召回项目,目标是什么,指标涨了多少?
  3. 双塔召回,用户塔和物品塔分别喂了什么特征?
  4. 用户塔里放历史行为序列,序列长度多少,怎么截断?
  5. 物品塔和用户塔的输出做内积,为什么不是 concat 过 MLP?
  6. 内积有什么表达上的限制,怎么缓解?
  7. 训练样本怎么构造,曝光未点击算负样本吗?
  8. 曝光未点击里有多少是没看见的,你怎么区分?
  9. 负采样比例多少,采样之后损失函数要不要加权?
  10. 特征里有统计类特征吗,窗口多大?怎么防止穿越?
  11. 实时特征怎么接,延迟多少,延迟期间用什么补?
  12. 模型上线后 AUC 涨了,线上 CTR 没涨,可能是什么原因?

二面

  1. 多目标怎么做的,CTR 和 CVR 是两个模型还是一个?
  2. 如果用两个模型,CVR 的训练样本只有点击样本,样本空间不一致怎么办?
  3. ESMM 怎么解决这个问题的,它真的解决了还是有别的问题?
  4. 排序公式用 pCTR × pCVR × price,价格这一项会不会让模型学歪?
  5. 位置偏差怎么处理?训练时去掉位置特征、线上再加,这样做的问题在哪?
  6. 序列模型用的什么,DIN 的 attention 和普通的 target attention 差在哪?
  7. 长序列怎么处理,全量塞进去显存够吗?
  8. 冷启动 item 没有行为怎么排?新用户没有历史给什么兜底?

三面

  1. 你们这套系统的 QPS 多少,P99 多少,模型多大?
  2. 模型从训练到上线要多久,中间卡在哪?
  3. 如果让你把现在这个模型换成一个 10 倍大的,你会先动哪?
  4. 你怎么衡量一次模型迭代的收益,离线指标和线上指标打架听谁的?
  5. AB 实验的样本量怎么算的,跑了几天?
  6. 有一个实验线上涨了 2%,但人均使用时长掉了,你怎么判断?
  7. 你怎么看现在的大模型做推荐,能替代现在的排序吗?
  8. 反问。

手撕

  1. 给 K 个已按分数降序排列的召回列表,每个列表长度不等,合并去重后取 TopN,并说明复杂度。
  2. 写 AUC 的计算,要求处理并列分数。

《参考解析》

双塔用内积而不是 concat 过 MLP,是为了能离线建索引:内积(或余弦)让物品向量可以预先算好放进向量库,线上只算用户向量再做 ANN 检索,延迟与候选规模解耦;concat 过 MLP 会引入用户与物品特征的交叉,表达能力强得多,但必须对每个用户与每个候选现场打分,没法做全库检索。内积的限制是它只能表达线性相似度,无法建模「用户在某个品类下的偏好」这类条件交互;缓解手段包括给内积加偏置项、双塔输出后接轻量 MLP 做精排、或把交叉特征预先编码进塔内。

负采样与权重:曝光未点击样本里混着大量「没被看见」的样本,直接当负例会教模型把曝光位置当作负例。区分方式是用展示位置、是否进入视窗、停留时长做过滤或降权。负采样通常按 1:3 到 1:10 的比例从全库采,采样后要对损失加权,权重取 1/采样率,否则预估的点击率会系统性偏高——这一题帖主答对了,但要说清推导:采样改变了正负样本比例,等价于改变了先验,权重是对先验的还原。

统计类特征要防穿越,实时与离线不一致是常态:离线特征按天分区只用 T-1,实时特征用 Flink 滑窗算完写 KV;训练时如果用 T-1 的离线值、线上用实时值,训练与 serving 的分布就对不上,这是 AUC 涨而线上 CTR 不涨的典型原因之一。要真正用上实时特征,做法是把线上请求的 feature 落盘,训练时按请求时间 join,或用 feature store 统一离在线口径;落盘延迟本身要监控。

ESMM 只是把偏差约束住,没有消除:CVR 塔只在点击样本上有梯度,ESMM 通过共享 embedding、用全样本空间的 CTCVR 做监督(pCTCVR = pCTR × pCVR)来缓解样本选择偏差,但 CVR 的估计仍受点击样本分布影响。进一步的修正可以用 IPW(逆倾向加权),权重是 1/pCTR,难点在于倾向分本身要被准确估计且方差很大,实践中常做截断。答这一题的关键是承认「约束不等于无偏」。

位置偏差的常规做法与它的代价:训练时去掉位置特征、线上再乘上位置偏置,能让模型学到与位置无关的相关性,但线上加的那一项是拍出来的或单独估的,与真实交互不一致时反而引入偏差;更稳的是 PAL 这类把位置作为模块、推理时置零的结构,或用点击模型做蒸馏。排序公式乘价格会让模型把「贵」学成「不点击」,要监控价格分桶下的校准度。

手撕一:K 路归并去重取 TopN:每个列表一个游标,维护大小为 K 的最大堆,每次取堆顶所属列表的当前元素,用哈希集合去重后输出,游标前移再入堆;复杂度 O(N log K),N 为实际取出的元素数。若 N 很小(如 100)而 K 也小,直接 K 路线性扫描每次取最大,常数更小——面试官追问「堆和直接归并哪个快」时,要按数据规模回答,不要一口咬定堆。

手撕二:带并列处理的 AUC:AUC 的物理含义是「随机取一个正样本和一个负样本,正样本得分更高的概率」。实现上按分数排序,给每个样本秩(从 1 开始),并列样本取平均秩,再用公式 AUC = (Σ正样本秩 − P(P+1)/2) / (P × N) 计算,复杂度 O(n log n)。并列必须取平均秩,否则排序的稳定性会让 AUC 随输入顺序变化;极端情况全并列时 AUC 应为 0.5。面试官问「为什么不用两重循环」,答案是 O(n²) 在百万级样本上不可行,离线评估也承受不起。