🎉上岸!wxg视频号算法实习|timeline和面经
腾讯WXG视频号大模型算法岗位的招聘流程紧凑,注重对实习项目深度的挖掘以及对推荐系统与大模型结合的思考。从简历投递到正式发出书面Offer,全程历时约一个月,面试环节重点考察了候选人的项目复盘能力、业务场景构建能力以及算法基础。
01招聘流程时间线
- 2024年03月03日
- 2024年03月02日
- 2024年02月27日
- 查看全部进展
02面试环节核心复盘
- 一面(技术面,约1小时)
侧重考察基础算法认知与编码能力。面试官首先围绕过往实习项目展开详细询问,随后切入推荐系统理论与大模型应用知识。手撕代码环节包含两道算法题,并在反问阶段针对候选人的简历与面试表现提出了具体的改进建议。 - 二面(技术面,约1小时)
重点考察项目复盘能力与场景构建思维。面试官假设场景,要求从0到1独立负责某场景Agent,考察对生成式推荐的了解程度。无手撕代码环节。 - 三面(技术面,约45分钟)
深度考察业务思维与总结能力。除Bad Case分析外,询问了更多寻找问题的方法。重点讨论了两段实习经历的收获总结,并探讨了工业界应用与科研的差异。无手撕代码环节。 - HR面(约40分钟)
主要进行背景调查与综合素质评估。包括自我介绍、两段实习的详细工作内容、离职原因的深聊,以及处理日常工作压力的方式。
03考点与真题解析
面试过程中的考察点主要集中在算法原理、编程实现以及对大模型在推荐领域应用的思考。以下是具体的面试题目分类整理。
| 考察类别 | 具体内容/题目 |
|---|---|
| 手撕代码真题 | 1. 空间O(1)、时间O(n)算法:在数组中查找重复数据 2. 查找数组中第K大的数 |
| 业务与理论深度 | 1. 推荐系统基础原理了解 2. 传统推荐与生成式推荐的区别 3. 大模型能替代推荐系统的哪个阶段 |
| 场景与复盘 | 1. 场景构建:从0到1独立负责某场景Agent的实施路径 2. 项目复盘:回到第一段实习会继续做什么 3. 问题挖掘:除Bad Case外寻找系统问题的方法 4. 经验总结:两段实习的核心收获 |
| 行业认知 | 工业界应用与科研的差异 |
此外,一面面试官在反问环节主动指出了候选人在面试技巧及简历撰写上的不足,体现了对候选人成长的关注。整体面试流程既考察硬核技术能力,也注重业务落地与个人成长的潜力。
当前文章无评论,是时候发表评论了