面了美团搜索推荐算法岗，虽然有点难过但收获不少！

节前，我们组织了一场算法岗技术&面试讨论会，邀请了一些互联网大厂同学、参加社招和校招面试的同学，针对算法岗技术趋势、大模型落地项目经验分享、新手如何入门算法岗、该如何准备、面试常考点分享等热门话题进行了深入的讨论。

今天整理我们社群粉丝分享的算法岗方向面试题，分享给大家，希望对后续找工作的有所帮助。喜欢记得点赞、收藏、关注。更多技术交流&面经学习，可以文末加入我们交流群。

一面

1. 自我介绍

2. 先问如果面试通过了，什么时候可以来实习，实习可以线下不

3. 问有实习过吗？

4. 简单了解下简历上的两个项目

5. 除了这个课程设计，对于推荐还了解哪些

6. 介绍下推荐系统的流程

7. 召回和排序比较大的差异点

8. 为啥排序会比召回的结果要准呢？

9. 项目中 DIN 模型里面的 attention 是怎么做的？score 是怎么得到的？知道原文里是怎么做的吗？

10. 现在主要研究是 NLP 吗？

11. 简历上的在投论文是一作吗？结果咋样

12. 未来是希望做 NLP 还是 做推荐

13. 毕业论文开始写了吗？

14. 实验有做推荐的吗？

15. 大数据相关的技术了解如何？

16. 反问

17. 编程题

    本科是计算系的，平时刷过 leetcode 吗？

    判断二叉树是否是镜像二叉树，就是判断是否对称。leetcode 原题

    回答说这个题可以用递归和迭代来做，写了递归实现。

    结束后，过了一会，说过了，约了第二天的二面。

总结来说，面试官人很好，中间答不上来的，也都有引导，全程感觉很好。

二面

面试时间挺长的，面了一个多小时，但还是挂了。

1. 自我介绍

2. 先问了在投的论文，接受了吗？

   感觉这个面试官还是很看重论文的。

3. 介绍下这篇 paper

4. 主观性很强的场景，如何做量化等等

5. 结果 f1 提升的 1% 怎么保证有效性，如何保证置信呢？

6. 固定随机种子后，多次实验结果相同吗？

7. 介绍下第二个项目，跟推荐系统相关的

8. 结合这个项目，说说自己对推荐系统的了解

   召回 -> 精排 -> 多目标混排

9. 多目标混排算法有哪些

   面试官想让问答的是 MMOE 这些，但只听说过，不太了解

10. 召回主流的做法

    embedding 召回， 局部敏感哈希

11. 召回的目的是什么，推荐系统一定需要召回吗？

12. 介绍下 embedding 召回

13. 推荐系统冷启动问题，怎么解决

14. 怎么解决排序结果都是之前电影相似电影的结果

15. 编程题：最长无重复子数组，leetcode 原题，用滑动窗口来做

总结

总体感觉面试不难，但是处处又都体现着你对这些知识点的理解。而且很重要的一点，要是编程题没做出来的话，大概率面试就凉了，但感觉这次面试学到了不少。

技术交流

前沿技术资讯、算法交流、求职内推、算法竞赛、面试交流(校招、社招、实习)等、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企开发者互动交流~

我们建了算法岗面试与技术交流群， 想要进交流群、需要源码&资料、提升技术的同学，可以直接加微信号：mlc2060。加的时候备注一下：研究方向 +学校/公司+CSDN，即可。然后就可以拉你进群了。

方式①、微信搜索公众号：机器学习社区，后台回复：技术交流
方式②、添加微信号：mlc2060，备注：技术交流

用通俗易懂的方式讲解系列

• 汇总版！美团搜索推荐算法面试题10道(含答案)

• 太卷！太难！24届算法岗秋招面经(搜广推方向)分享！

• 第三波福利来袭！知名大厂推荐算法岗最新面试题来了！

• 太棒了！这是我见过的推荐算法岗（含实习）面试真题最全的总结了！

• 电影推荐项目实战（双塔模型）

• 大语言模型在推荐系统的实践应用

• 推荐算法实战项目：FNN 原理以及案例实战(附完整 Python 代码)

• 推荐算法实战项目：Deep&Cross 原理以及案例实战(附完整 Python 代码)

• 推荐算法实战项目：DeepFM 原理以及案例实战(附完整 Python 代码)

• 推荐算法实战项目：Wide&Deep原理以及案例实战(附完整 Python 代码)

• 推荐算法实战项目：物品协同过滤算法(ItemCF)原理以及案例实战(附完整 Python 代码)