阿里云面试&&笔试回忆
笔试部分：
提交完简历后要求做一个60分钟的人才测评，测评挺奇葩的，全是选择题，每道题60s，大致是阅读理解，图表题，人格测试，感觉这一部分较水，我做的也比较水，感觉像在测IQ
之后要求做一次笔试，测试时间大概是晚上七点到八点，当时收拾行李直接翘了半小时（雾），七点半左右才记起来。一共两道题，每题50分，期间录屏+摄像头+手机锁。第一题是放卡片题，大概是leetcode 1411.给N*3网格涂色，不过题目变了变，大差不差。第二题是leetcode.1396设计地铁系统，两道题都是medium，我也都没有写出来😂😂😂，之后就是跟着阿里的招聘系统等通知了。
面试部分：
面试一开始约到周六，但是好像没有沟通好，这周周四才打过来。开始先介绍了下阿里云的业务，主要面向健康码啥的，然后要求介绍下自己的work，当时没啥准备，有点紧张，可能是看我比较菜简历没啥问的，直接开始问模型细节
模型细节描述：
- 从transformer框架开始，首先要求说一说大致的模型描述，我回答的是transformer框架是一个encoder-decoder模型
- 句子输入embedding之外还有其他东西吗，这里自己顿了下，想了想答的是positional encoding。不然会抛弃序列关系成为一个词袋模型
- 然后问了个embedding矩阵维度在模型中的变化，这里我有点记不太清了，在面试官的导引下才回答出来
- 然后问了下Q,K,V的作用，怎么得到的，(参数矩阵W^Q,W^K,W^V)，这里又问了下Q，K，V的参数矩阵的维度
- 问了下attention机制，attention函数中的根号dk是干嘛的(回答的score归一化),然后问了下除了self-attention之外还有其他的attention机制吗，这个真有点回答不上来，只记得邱锡鹏的书上说过这个，好像是和softmax相关的，最后面试官给我大致讲了下scale dot production attention和multi head attention（这个知道但是没有想过这个和self attention的关系。。。），然后问了下多头注意力机制是如何把多个注意力连接的，这里也是问的矩阵相关的。
- 问完transformer（可能是我太菜了问不出啥）然后让我分析了下word2vec，我就从Bengio的2003的那篇著名的论文开始分析起，讲了one hot vector到embedding，如何由稀疏性矩阵到稠密矩阵，以及解释了下嵌入的含义，可能是我讲的有点冗余，面试官直接打断问我embddding的方法有哪些，我答的是CBOW和skip gram，然后中间让我具体讲一讲怎么做的，当时这里我卡了下，只说了个大概，可能是面试官自己也觉得刁钻了，后面转换问题问我embedding有啥优化方法，这里刚好是前几天看到过，回答的是负采样和分层softmax，然后问了我怎么分层softmax，这里其实就是类二叉树搜索，比较简单。
- 然后还问了下lstm是否有存在的必要，GRU和lstm的区别，这些也是常见的模型，回答的还比较顺利。顺着这个问了下梯度消失和梯度爆炸，实际上就是链式法则的缺陷？然后问了下RNN减轻梯度爆炸的措施有哪些，这里感觉回答的还行，应该是自己进入状态了。还问了下归一化的意义，我这个直接告诉面试官我记得andrew有一个特别漂亮的说明，但是我有点记不清了，面试官表示理解（你就是菜）
- 最后是我问他问题的环节，主要问了下会做什么业务，这些就没必要分享了。
总之，面试有点硬核，被追着问了一个多小时，总体感觉自己有点差强人意，面试官也在最后给我约了下周的coding面试的日程。祝leetcode找实习的各位offer多多！
评论 (3)
