【面经】字节AI Lab-NLP算法热乎面经

作者 | 我爱雪糕 

整理 | NewBeeNLP

写在前面

先说下感受吧。本人在今年3月1号（周日）投递简历，隔天周一hr就约了周四的面试，结果那天是2面视频技术面+hr面直接走完了，周五内推的学长就告诉我过了，紧接着就是offer call。整体投递+面试+发录用通知函的时间不到一周，而且面试官都是和简历对口的，整体体验非常棒。

PS：offer call里说我的leader是李航，看了看手里的小蓝书，意外的惊喜

面试的岗位是“AI Lab实习生 — 自然语言处理NLP”，一共2面技术和一面hr，这里主要说下其中的技术面试。

一面

20min简历 + 30min题

先自我介绍，然后面试官说了句“好的了解”就直接进入项目了。

我的经历主要是一些竞赛，因此也是主要聊竞赛，在竞赛细节中扣一些细节提问。竞赛主要是关于机器阅读理解MRC的（百度机器阅读、莱斯杯等），面试官也刚好懂，大致问题如下：

1. 请你描述一下竞赛背景，以及你在其中的工作/职责。

2. 我看你数据做了很多预处理，这部分重要吗，具体是如何做的预处理。这个不同项目应该不太一样，不细说了。

3. 我看你用了word2vec的词向量，知道它是如何训练的吗，有哪些trick。这个很基础了，trick就是负采样和分层softmax。

4. glove了解吗，elmo呢？

5. 你把很多组件改成了transformer 的 multi-head attention，为什么要舍弃lstm的结构而选用它呢。我回答的是可并行+更强大的特征提取能力，顺便还解释了self attention的原理以及multi-head的作用。

6. 说一下bidaf的匹配层，解释了bidaf的c2q和q2c的意义和具体做法。

7. 你取得top2的成绩还有其他优化吗。这部分答了很多，当时吃了没用bert的亏，所以在很多方面进行了一定的优化。

8. 你的第二个竞赛用roberta，它和bert的区别。动态mask+去除NSP+大力出奇迹（更大的batch，更多的数据，更多的step）。

9. xlnet和bert有啥不同。自回归&&自编码的知识，其中解释了xlnet排列语言模型以及双流attention。

10. albert了解吗？embedding层矩阵分解+参数共享 + SOP + 工程细节。

其他还有些小问题想不起来了，总体来说问的面不广，但是扣了些细节。

最后是两道算法题：

1. 顺时针打印数组

2. 编辑距离

很顺利的写出来了，一面结束，在线等二面。

二面

先同样是自我介绍。

然后出了一道“智力题”？

10个袋子，1000个球，你用球填充袋子，然后就固定了。现在来一个客户，无论他要1~1000哪个数量，你都能通过组装几个袋子给他。

我开始对面试官说可以动态规划：第一个袋子放1个，第二个袋子放2个，这个时候3=1+2,所以第三个袋子不用放3个，放4个；此时5=4+1，6=4+2，7=4+2+1都能组合得到，所以第四个袋子放8个，以此类推。后来一想，这不就是个1,2,4,8的等比数列吗…

因为我提到了动态规划，面试官为了使用动态规划要满足的条件是什么？什么情况下时候动态规划比较好呢？答：使用dp需要满足最优子结构性质 + 无后效性，在子问题有重叠的时候可以自顶向下的记忆化搜索，或者直接写成自底向上的dp。

问我了一个C++的问题，后来看我很懵逼，看一眼简历说哦你是会Java啊，那我们换个问题，你说一下堆和栈。我说了数据结构的堆和栈，被打断，他说是内存分配中的堆和栈。这部分答得不好。

接着是简历了，主要也是问竞赛相关，听我这些竞赛的细节，然后针对细节提问，没咋问transformer、bert相关，问了更偏传统机器学习一些， 主要是一些关于gbdt、xgb、crf。

gbdt和xgb的就不细说了。

crf部分问的很详细，例如它的具体定义？什么是马尔可夫随机场？讲讲你对crf的理解？crf和hmm的区别知道吗，为什么ner任务用crf而不是hmm?crf具体如何预测？感觉答得一般。

最后2道算法题：

1. 口述了一道算法题，我记不起来了，是一道dp题来着，反正很快想到了方法，就pass了。

2. 安卓手机的解码方式多少种，就是那种9个点，可以上下左右、左上、左下、右上、右下连线的解锁，最少一个第一点，最多可以全连上，一个点只能用一次。我用的dfs直接做的。

PS：时间有点久了，忘了很多…

- END -

交流学习，进群备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。