"铜三铁四"，从天坑专业到字节算法岗

作者 | kniter 整理 | NewBeeNLP https://zhuanlan.zhihu.com/p/512915397

现在的互联网行业就是裁员消息漫天飞，尤其是疫情之下，太难了。今天分享一个学弟的暑期实习面试历程，他是从本科生物跨专业考研到计算机，面了N家公司，也如愿拿到了一些offer。以下是原文~

今年互联网形势比往年更加艰难，我是从2月底开始准备暑期实习的，之前根本不知道原来大家都是年前准备，3月初已经开始拿offer了，并且今年互联网形势极其困难，腾讯阿里基本不招人，导致自己一度以为要裸提前批和秋招了，但一直没有放弃，有面试的我都会认真对待，所以最后还是成功拿下了 快手、阿里、字节 三个公司的暑期实习offer，面试过程中学到了很多知识，感觉自己能力确实还是还得到了提升的，所以记录一下。

背景

本科末流985生物专业，大三时偶然看到知乎@霍华德的劝退，而且自己确实对生物没啥兴趣，所以准备跨考计算机研究生，二战上岸某华五cs专硕，本科基本无计算机基础。（全凭考研打基础）硕士研究方向为多模态，有一个腾讯广告算法大赛top，一篇aaai二作，比赛和论文都是多模态相关。所以基本投递的都是和多模态、nlp相关岗位。

四月初投递的公司：字节、阿里、小红书、快手、拼多多、微软、oppo、百度、滴滴、美团、网易、腾讯、vivo、华为、b站

也投了招行这种银行算法岗，面试难度比较简单，就不记录了。

五月中旬oc的有： 字节tiktok、快手nlp搜索、阿里本地生活nlp ，其中小红书智能多媒体hr面后无消息（估计是我hr面说了会综合考虑在做选择，所以就不发了？）

其中oppo简历挂、滴滴简历筛选无消息、美团笔试完无消息、拼多多笔试挂、b站无消息，vivo无消息，进入面试的有：字节、阿里、小红书、快手、百度、网易、腾讯

算法：3月初开始就一直在刷力扣了，刷到五月份刷了大概170道左右，然后反复刷高频题。

八股：自己在网上整理的，多模态其实和NLP相关联比较大，所以我看的都是和NLP相关的八股，CV也捎带看一些。

1. 字节data电商搜索

一面挂 4.1（50min）

• 自我介绍
• 先做两道题吧：1.二叉树最大路径和 2.编辑距离（都是高频，所以秒了，但听说字节考hard就是劝退的意思...）
• 讲一讲比赛吧，做了啥，难点在哪（很多细节）
• 讲一讲论文吧，创新点
• 八股轰炸：
  • 看你比赛用了ViT，ViT position embedding怎么做的
  • swin transformer 滑动窗口机制 具体怎么做的（凉，只回答了机制，具体做法我以为不会考那么细就没看原论文）
  • Bert mask机制
  • 除了NSP任务还有哪些句子对之间关系（凉，当时bert改进的论文都没有看过）
  • Transformer self-attention怎么算，为啥除以根号dk而不是随便一个数（只知道为啥除以根号dk，为啥不是别的数这个当时还不知道）
  • 动态mask怎么做的（问的是Roberta，回答的有点问题）
  • transformer 为什么qkv矩阵不同
  • bert mask会造成预训练和fine tune之间不匹配，怎么解决（当时根本不知道问的啥意思，后面才知道问的是XLNet论文里面的）
  • Bert双向体现在什么地方
• 反问：表现：多模态知识掌握的还行，代码能力还行，基础需要加强，校招生看重基础，项目社招比较关注，时间紧就不考概率题了（凉凉）

隔了2天收到感谢信。

总结：这是我第一次面大厂，面完才感觉原来大厂面试居然考的这么细，但这次面试也让我很好的查漏补缺了，后续面试这些问题依然是高频，所以这次面试还是很有收获的。

2.阿里淘系多模态推荐

一面电话面

3.20（50min）

• 比赛：难点、解决方案、细节
• 论文:创新点
• 八股
  • dropout原理
  • attention机制本质
  • transformer整体框架，各个部分由什么组成
  • transformer attention机制
  • 为什么采用多头注意力机制
  • 过拟合、欠拟合，解决办法
  • BatchNorm, LayerNorm区别、原理
  • 过采样、欠采样是什么
• 反问表现：还行，让我把笔试做了再推进后续流程

感受：阿里面试都是电话面，没有coding环节，八股都是很常规的基础八股，当时就感觉阿里面试比较水。后面才发现没那么简单。一个星期后通知了二面，笔试3道A了2道。阿里笔试整体算偏难的。看运气了

二面电话面

（已挂）4.1（40min）

• 介绍论文
• 一些场景问题
• 本科不是计算机，这些知识怎么学的
• 反问：让我不要太焦虑，没什么问题（呵呵，都是套路啊）

总结：二面问的也很随意，我整体感受就是阿里面试非常水，感觉就是不太想招人，候选人优秀的太多了，直接靠排序系统刷人，事实证明我二面完后一直无消息，拖了两周后内推人让我看流程，我才发现挂掉了。流程很慢，导致我转第二志愿蚂蚁的时候，刚一面完蚂蚁的师兄就告知无hc了，这个时候已经接近四月中旬了，阿里其他部门基本也无hc了，我当时就不抱希望了，后续牛客看到本地生活还有hc，就申请了转部门，然后约面了。

这个时候已经四月中旬了，腾讯才开放暑期实习岗位，我也就抱着碰运气的态度投了（腾讯暑期实习刚开招聘官网居然就崩了，可想而知今年形势有多差）。四月中旬通知约面的只有小红书和快手。

3. 小红书智能多媒体

一面

4.14（45min）

• 项目：比赛，各种细节(小红书全程只问了比赛，我还听见面试官拿着笔在推我模型输入输出维度，看的出来面试官对我比赛方案很感兴趣，聊了半小时估计时间不够了，就让做题了)
• coding：如何计算矩形面积，尽可能的快（因为问题是面试官口述的，所以一开始没弄懂题，面试官引导了一下，想想一维情况，然后发现是个前缀和问题，然后写了一个二维前缀和公式和一维前缀和的函数就说可以了）
• 反问:表现：总体还行，回去等二面。

二面

4.22（45min）

• 场景题：各种小红书的业务场景问题，涉及到多模态：比如如何检索小红书音乐库，根据不同用户， 用文本生成连续视频片段并保持风格一致（我在学校根本接触不到这些业务，所以就都是嘴炮，感觉这种问题就是发散问题，看你的思维和平时积累）
• 什么时候能实习，想在哪实习
• coding：1.顺时针旋转矩阵90°；2.二进制矩阵最短路径(先尝试了下dfs，复杂度过高，然后bfs遍历一次就可以了)
• 反问：表现：挺好的，然后我催了一下说让尽快给结果。面完半个小时后后通知hr面了

小红书hr面

（面完无消息）

• 研究生和本科之间gap了一年，什么原因：（当然是考研二战啊。。。）
• 为什么跨考计算机，计算机知识怎么学的（别问，问就是热爱）
• 说一下你的优点缺点
• 如果有别的offer，假设拿到了字节，怎么选（这是个死亡问题，我第一次进hr面，不懂这种问题怎么回答，老实回答了会综合考虑哪个更match，感觉直接寄了）
• 反问：问了五一之前能发offer吗？回答你五一之前都来不了，万一不来呢？感觉就直接寄了...

4. 快手NLP-搜索

一面

4.18（50min）

• coding：搜索旋转数组
• 项目：比赛
• attention机制
• 常见的loss，你用过的，他们之间的区别
• dropout原理
• 过拟合解决办法
• 反问：评价：没什么问题

二面

4.26（50min）

• 比赛细节，涉及预训练任务，模态融合方式。
• 看你比赛用了nceloss，torch写一下NCEloss
• 看你比赛用了focalloss，torch写一下focal loss
• 计算bert参数量
• coding：1.无序数组找第k大；2.：f1() 1/2 概率产生0 1/2概率产生1 f2() 1/4概率产生0 3/4概率产生1

问题：（1）用f1()实现f2()

（2）用f2()实现f1()

• 还在看别的机会吗
• 反问表现：挺好的

hr面（已oc）

• 本科不是计算机，怎么学的
• 手上有别的offer吗？
• 讲了一下快手实习薪资，部门是干嘛的，问我多久过去

总结：快手整体面试考察难度中等，技术面每面都有coding，二面更是撕了各种loss，面试官水平还是很高的，如果字节挂了大概率就去快手了，毕竟多模态方向和短视频公司比较match一点。

5. 阿里本地生活

一面

（电话面）（50min）

• 比赛 亮点、创新点
• BERT的改进论文讲讲他们的改进点：ALBERT RoBerta XLNet
• bert NSP任务可以被替换成什么任务，为什么要替换NSP
• BERT可以输入一个1000词序列长度的东西吗？
• BERT输入文本过长有什么解决办法
• 搜索query和文章怎么匹配
• 了解NLP相关任务吗？实体抽取、命名体识别了解吗？
• 单流transformer和双流transformer差别
• 反问：建议：需要多了解nlp任务，因为做的工作和nlp关联较大

个人对具体nlp任务做法不太了解，也被问到了tf-idf这种问题，我都不太会。

二面

（视频面）（1h30min）

• coding：1.判断对称二叉树 2.torch手撕一个demo模型加训练流程（用python写题被怼了，说不能只会python，还是要学cpp或者java的，但我其他面试全程都是python没有被怼过）
• 集成学习bagging boosting stacking各自怎么做的。
• 常用的bagging算法有哪些，boosting算法有哪些？
• softmax分类从100到10000准确度会下降吗？原因（这个地方当时没时间想，事后感觉是过平滑原因）
• 计算机存储结构 堆和栈区别（回答了低地址高地址）
• 常见激活函数有哪些，leaklyRELU讲一下
• transformer multi-head切割原特征维度会损害特征物理意义吗？
• 看你比赛用了focalloss，focalloss讲一下，和什么函数像？focalloss解决不平衡问题原理是什么
• RNN缓解梯度消失的办法
• LSTM和GRU区别， GRU效果会下降吗？
• BN的作用，BN解决的是偏差问题还是方差问题
• ResNet解决的是偏差还是方差，原因
• 算法题看你写了递归，讲下递归缺点，尾递归好处
• 函数栈空间大小（实在记不清了）
• 模型分布式训练过程
• warmup原理
• AUC ROC含义、计算公式，ROC横纵坐标，PR曲线横纵坐标含义，区别。
• python生成器、迭代器区别
• Adam公式，常见的优化算法有哪些
• 朴素贝叶斯了解吗（讲了下MAP怎么算的）
• 决策树使用过吗（无）
• 多模态融合方式有哪些，都有什么优缺点
• 看你本科生物，计算机知识怎么学的
• 为什么选择考计算机专业
• 反问：表现：看得出来准备的比较充分，本科生物是劣势也是优势，看你从哪个角度看，回去等通知

面试官看上去比较成熟，一上来就感觉来者不善，比较严肃。后面面完后就缓和下来了，告诉我是压力面，团队有涉及多模态知识图谱构建的，基本上大多数还是我事先复习过的基础知识，但计算机系统基础方面的问题就凭着考研印象随便答了一点，传统的算法这次基本没复习到，比如随机森林决策树这些。但面试官也没有为难，总体感觉不错，感觉确实是想招人的。

三面

（40min

• 论文
• attention机制
• transformer add and norm优势（这个问题可以看苏神博客和resnet论文）
• 判断不定长字符串是否出现重复字符（ASCII码哈希）

hr面

• 本科不是计算机，为啥会跨考计算机？（感觉这个问题真的很高频，看来非科班的影响还是很大的）
• 平时怎么学的计算机知识

面完第三天通知过了，5月10号发了录取意向。

字节电商一面挂后，自己对字节一直有执念，自己当时暑期实习也投递了两个岗位，很想再试一次字节，因为一面挂的面评不算很差，tiktok那边评估了大概两周终于约面了。

6. 字节tiktok

一面

4月28（50min）

• 论文，讨论了缺失模态的情况
• transformer 为什么除以根号dk
• transformer self-att机制
• python列表和元组的区别
• python 空列表和空元组谁占的空间大（当时没回答出来，面试官也很好，说不知道也没关系，这个问题比较难）
• python迭代器的定义
• python迭代器的实现3种方法
• python垃圾回收机制
• 前沿的多模态sota模型（梳理了一遍比较火的一些预训练模型和好的多模态融合paper）
• coding：1.不超过n的最大数（不会，面试官换了一道）；2.无重复最长子串；3.follow up：.将数组划分成k个和相等的子集，k最大多少（暴力dfs跑通了）
• 反问：表现：挺好的，基础不错

一面面试官人非常nice，算法题一开始就说如果不会可以直接告诉他，他换一道，最后一道题也说做不出来也没关系，

二面

5月6（50min）

• 比赛：探讨了细节
• coding：1.是否存在和为k的子数组2.follow up：如果要求子数组长度必须大于m怎么改（有个测试用例出现了bug，面试官非常耐心的引导我排除bug，最后顺利跑通）
• 八股：
  • 线性回归是什么
  • LR是线性还是非线性
  • dropout原理
  • dropout在模型train和eval的时候区别
  • dropout在train的时候会补偿这部分损失嘛（这个问题没遇见过，后面知道了是要除以1-p）
  • 神经网络为什么需要激活函数
  • 分类任务softmax在最后一层的作用是什么
• 反问：表现：挺不错的，可以多发表一些paper，算法一行paper是始终伴随你的。

二面和三面面试官都是北美的，二面面试官也比较成熟稳重，讲话很有耐心，我说的不对也会引导我，非常nice，早上面完中午就通知二面过了，效率很高

三面

5月10（40min）

• 介绍比赛
• 场景题（关于tiktok涉及多模态的实际问题）
• 反问（为啥没有算法考核，面试官说我们刚刚讨论的都是算法。。。感觉字节不考算法题我都不习惯了）

三面是部门大leader，侧重实际问题考察，没有现成的八股，全靠自己平时积累，我自己也没太多经验。

4.24 腾讯笔试5道A了2.5道，4.26约面，拒了，原因是腾讯暑期这么晚才开大概率也是没有hc的，就不想浪费时间了。

三面完过了一天通知hr面了，当时非常开心，这个部门是我最想去的一个部门，hr面问题和之前的基本一样。就表达了自己手上目前有两个offer，但最想来tiktok（舔就完事了）

7. 网易雷火NLP精英实习

一面（1h）

• 论文
• 比赛
• 宏F1和微F1指标怎么计算，区别
• P R计算方式， 区别
• Bert参数量怎么计算
• Bert attention head影响参数量吗
• Bert attention mask具体怎么实现的
• LR的损失函数
• LR可以用mse做分类吗，原因
• LR和svm在预测分类上有什么区别
• 核函数的作用
• 样本数量少，维度高用LR还是svm
• python 多进程和多线程
• coding：跳跃游戏

网易面试当时就是给字节三面练手的，答得不算特别好，传统算法我基本都没有复习，PR计算公式也记反了，但最后还是约二面了，打算拒掉了。

最后拿到offer的有： 1.字节tiktok多模态算法工程师（已签意向）2.阿里本地生活NLP（已拒）3.快手搜索技术部nlp-搜索（已拒 ）

总结

今年形势比较难，周围找算法岗的基本都是有论文或再投的。总体而言算法岗暑期实习对编程能力和基础知识考察是比较全面的，建议葫芦书西瓜书花书都复习一下，至于前沿论文就看平时积累了。

笔试难度都比较大，尽量多刷多练吧，我笔试也是薄弱项， 面试算法题是命门，一定要尽量A出来，算法题A出来不一定过，A不出来90%概率挂！大部分都是力扣mid难度。 每次面试都让我更好的完善了自己的知识体系。

这次暑期实习总体而言我算是比较幸运的，很多岗位都约面了，在面试中也是不断的在提升自己，发现自己的比赛和论文都是起到了很大的作用（可以水时长，避免被问很难的算法题和八股），而且和自己比赛论文相关的知识都是自己最熟悉的，但自己对传统方法了解不多，秋招之前还是要补这部分知识，但也拿到了自己最想去的岗位的offer，自己转码过程虽然很难，但自己比较热爱，所以也是坚持了下来，所以记录下天坑转码历程。

顺便说下个人体会，现在无脑转码其实已经不见得是最优选择，一方面政策打压，互联网企业到处都是大裁员，不乏很多22届校招被毁约的，应届生被裁的，35危机。除非自己真的热爱。反而集成电路、ic行业趁着政策红利有较大上升空间。看自己选择吧，祝大家都能收获心仪的offer！