小红书产品工程师 Agent 开发一面：爬楼梯改编与自注意力机制

小红书产品工程师（Agent 开发）一面：算法是一道带「上一步步长」约束的爬楼梯改编题；之后大部分时间用来讲实习项目的业务背景与技术实现，追问分布式缓存与锁、异步转存的线程池设计、以及 Agent 设计中实践踩雷的经验；八股集中在大模型自注意力机制、LLM 与传统 NLP 的区别和训练过程、幻觉抑制、线程池核心参数。面试官追问不多、参与度不高，面完第二天挂。

2026-10

小红书算法岗面经合集：传统机器学习、大模型架构与推荐检索

小红书算法岗多轮面试合集

小红书算法岗七场面试合集：传统机器学习考分词与 NER、分类与回归、XGBoost 与 LightGBM 的差别、监督与无监督与强化学习、K-Means，以及项目选型、踩坑与北极星指标；大模型架构覆盖自注意力、RoPE、MoE、MHA 与 MQA 与 GQA、LayerNorm 与 RMSNorm、预训练与后训练、Decoder-only 的由来；另有模型规模化的算力账（参数量与 FLOPs、PS 存储、训练速度与机器数）、RAG 流程与切片粒度、召回与粗排精排的经典模型、NDCG 与 AUC 与二分类 loss、负采样与高热打压，以及生成式推荐的码本坍塌、sid 质量与幻觉治理；手撕考螺旋矩阵、O(N) 求第 K 大、立方根与岛屿数量。

2026-10

自注意力机制 面试题

小红书产品工程师 Agent 开发一面：爬楼梯改编与自注意力机制

小红书算法岗面经合集：传统机器学习、大模型架构与推荐检索

自注意力机制面试题