面灵AI→

字节搜索大模型一面:意图识别、RQ-Kmeans 与 GRPO 原理

字节跳动 搜索大模型算法 一面

字节搜索大模型一面(10 月 28 日,约 50 分钟),围绕两个项目深挖。项目一:搜索完整链路与负责部分、意图识别结果怎么用(是否作为模型特征)、链路时延与兜底、为什么用大模型判意图(输入输出、是否含用户行为、评估指标、基线)、样本标注定义/采样/量级/正负比例/是否与线上分布一致、微调做了哪些工作与其他微调方式、过拟合与灾难性遗忘怎么解决、OPD、显存不足的优化与分布式训练框架、推理优化的词表裁剪与推理框架、端侧资源消耗。项目二:生成 SID 的 Embedding 模型选型、RQ-Kmeans 的 K 选取与聚类评估、与普通 Kmeans 的区别、码本大小经验、生成式模型的输入输出与历史序列处理、GRPO 原理与奖励函数、为什么不用其他 RL 算法、loss 形式、DPO/PPO 原理、优化数学推理任务该选哪种。八股:召回/排序怎么做、双塔召回训练与对比损失、序列特征建模、DIN 多目标结构、self-attention 的 QKV 计算、降低 QKV 复杂度的方法。手撕:接雨水。

2026-11

字节跳动 搜广推算法秋招一面:生成式召回的 SID 构建与 RQ-VAE

字节跳动 推荐算法 一面

字节跳动搜广推算法秋招一面,项目部分围着「用 SID 做生成式召回」往下深挖:为什么不用原始 item id、SID 的完整构建流程、RQ-VAE 与 RQ-Kmeans 的差异与 RQ-VAE 的损失函数组成、码本坍塌、生成器为什么选 Qwen 而非普通 Transformer、训练样本规模、推理解耦与时延指标、上线关注哪些维度、如何保证业务正向收益;八股部分问激活函数、先加后激活与先激活后加的区别、PyTorch autograd 与梯度截断、DIN 的 attention 与 Transformer 的差异、其他召回通道与负样本构造。

2026-10