作者 | 我爱雪糕

整理 | NewBeeNLP

面试锦囊之面经分享系列，持续更新中

PS. 本面经来自讨论组内大佬，欢迎订阅后台回复"面试"加入交流

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�