推荐算法
共 9 篇面经 · 某互联网公司 / 哔哩哔哩 / 敦煌网
大厂推荐算法面经 10 问（同题重复投稿）：后训练 RL 复习清单
同一份「大厂推荐算法面经 10 问」由两个账号先后发布，内容与另一篇完全一致。十道题集中在 LLM 后训练的 RL 侧：PPO / GRPO / DPO 的定位与 on-policy 归属，DAPO 与 GSPO 对 GRPO 的改进，process reward 与 outcome reward 的取舍，reward 与验证集背离的排查，VeRL 的同步异步与训推不一致，以及 SFT 与 RL 的轻重。
大厂推荐算法面经 10 问：后训练 RL 的算法对比与工程细节
一份大厂推荐算法方向的面经，十道题全部落在 LLM 后训练的强化学习侧：DPO 的损失函数、PPO 与 GRPO、DPO 的异同与 on-policy 归属，DAPO 与 GSPO 对 GRPO 的改进，process reward 与 outcome reward 的取舍，reward 上升而验证集下降的排查方向，VeRL 的同步异步与训推不一致，以及 SFT 与 RL 阶段的轻重判断。
B站推荐算法一面：生成式召回与SID编码13问
B站推荐算法一面面经，13 个问题集中在生成式召回链路：SID 语义编码体系与曝光容量约束的权衡、编码碰撞率的统计与缓解、SFT 与 LoRA 微调方案、超长行为序列与冷启动、生成式召回的推理降延迟，以及双塔模型的固有缺陷与三种训练范式。
B站推荐算法一面面经：生成式召回13问详解
B站推荐算法一面原题整理，13 问覆盖 SID 语义编码与曝光容量约束、量化误差与业务约束的权衡、编码碰撞、SFT 与 LoRA 微调、长短序列与冷启动处理、生成式召回降延迟，以及双塔缺陷、三种训练范式和 InfoNCE 温度系数。
B站推荐算法二面面经：生成式召回落地与稀疏信号建模
B站推荐算法二面 10 题，从 RQ-Kmeans 聚类召回的改进与生成式召回的实验设计问起，延伸到多通路融合、多目标框架、中小 UP 主扶持，并深挖一键三连与弹幕数据的建模方式，最后落到同质化与信息茧房的量化指标和长期生态目标。
B站推荐算法二面：生成式召回与多通路融合 10 问
B站推荐算法二面 10 问，全部围绕线上落地：RQ-Kmeans 聚类召回的改进、生成式召回与传统召回的融合兜底与权重、多目标多场景下的召回框架迭代、中小 UP 主流量扶持的算法方案，以及一键三连、弹幕等信号的建模与多样性、长期生态指标的度量。
B 站推荐算法秋招面经：生成式召回与多任务模型
B 站推荐算法秋招面经，十道题集中在生成式召回与多任务建模：SID 范式的落地兑现、RQ-VAE 的流程与梯度传播、STE 之外的梯度截断解法、MMOE 与 PLE 的专家坍缩、Focal Loss 在多任务中的取舍，以及 DIN 注意力的复杂度。
B 站推荐算法秋招面经：生成式召回与多任务模型
B 站推荐算法秋招面经，十道题集中在生成式召回与多任务建模：SID 范式的落地兑现、RQ-VAE 的流程与梯度传播、STE 之外的梯度截断解法、MMOE 与 PLE 的专家坍缩、Focal Loss 在多任务中的取舍，以及 DIN 注意力的复杂度。
敦煌网 推荐算法面经：特征评估、MMoE、SID 构建与传统推荐链路
敦煌网推荐算法岗面经：围绕实习业务场景展开，依次考察特征好坏怎么判断、MMoE 结构、SID 构建流程、SFT 流程和传统推荐链路，最后手撕最大子数组和。
微信小程序
手机上刷面经，随时随地
扫码 / 长按识别，免下载直接打开
或在微信 搜一搜「面灵面经」