2023秋招：lazada早鸟计划nlp算法面经

最新推荐文章于 2025-12-04 19:39:40 发布
最新推荐文章于 2025-12-04 19:39:40 发布
阅读量188 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： offer分享+面试经验 文章标签： lazada nlp算法面经 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/pythonyanyan/article/details/131366200
本文分享了作者在2023年秋季招聘中，参与Lazada的早鸟计划NLP算法面试的经历。面试中重点考察了简历上的实习、项目、论文以及大模型在推荐系统中的应用，涉及Transformer架构和LSTM的记忆机制。虽然没有遇到编码题目，但面试官的态度让作者感到面试的诚意不足。已通过二面，即将进行HR面试。

专栏分享：计算机小伙伴秋招春招找工作的面试经验和面试的详情知识点

专栏首页：软件测试开发类面经合集

主要分享：测试开发类岗位在面试互联网公司时候一些真实的经验

面试code学习参考请看：数据结构面试必刷100题

一直在问简历上的实习，项目，论文，大模型在推荐的运用。考了两个八股。讲一下transformer架构和内部构成；lstm如何实现记忆功能。没写代码题。
面试官一副心不在焉的样子，感觉不是很有诚意


二面过了，下周一hr面

 

风雨秋招路-CV太难了-记得复盘
Hermite Lee的博客
09-01 2722
TCL 已进入人才库 字节跳动夏令营 笔试挂，三道题：完全二叉树、最短路径之斯坦纳树、二分求座位数 工商银行 面试：开源项目(很重视)，Java，对抗学习，比赛用的模型
【信动力计划】海信聚好看-算法工程师（自然语言处理）
han_xue_feng的博客
09-25 453
哇，各位，招人好难啊，你们赶紧来找栗栗啊、招聘岗位：java、Python、前端，大数据、测试，c++，GO，嵌入式等岗位。可工作地：西安，深圳，东莞，北京，上。大家好，我是一个学习Python的菜鸟，22年毕业的，学校是末尾211，工作时间一年，用的是python，最近换了一份工作，上了不到一个月，感觉不是很喜欢目前的。鼠鼠是双非二本，所以大厂基本都没啥希望的，投老家那边的几百人的小厂的话，都给的是实习岗位，都说是毕业时候转正，且工资都是4000左右可能生活上还需要空投支援，但。
阿里国际Lazada Buyer Tech 25届实习生！
2301_79125431的博客
04-22 1204
1，个人介绍（1分钟）---------------------2，介绍下项目（15分钟）（全程我自。这两个总包都是20，中通服在南京，软开岗，具体干啥还要看领导分配，缺点就是可能经常出差，也有说软开岗。目前收到了两个暑期实习offer，一个是阿里云，做的是内部2B相关业务系统的开发，另一个是美团，做的。破二本，第一次面试，一个小时多一点，面试官感觉没睡醒，但是还是问了不少问题，基本上都是我一个人在说，写在前面：前端后端的同学都需要哈，前端的技术栈我不太懂，后端的话卡Java方向~苍穹外卖，牛客论坛，
上岸美团，我为何放弃算法转开发
a1472750149的博客
11-19 3072
一、序言 作为一名2022届应届硕士毕业生参与了一场惨烈的秋招战斗，所幸本人战斗的结果还可以，最终签约北京美团，岗位是后端开发，现来总结秋招历程，反馈知乎！这里值得注意的是，本人是从算法赛道转到开发赛道的，如果对此感兴趣的同学，可以在本文下方评论，欢迎交流~ 二、春招实习 -算法赛道结果惨不忍睹 本人在硕士期间的研究方向是自然语言处理NLP，由于实验室处于半放养状态，还有实验目前的方式偏项目开发多些，做研究是只有博士在做，因此算法知识也是靠自学积累的，然后跟着实验室做了几个跟NLP相关的项目。在项目.
华为 笔试 4.24 第二题：这一题只通过了36%why
han_xue_feng的博客
04-24 1459
小米# #小米求职进展汇总#rt，投的日常实习，自动驾驶方向，因为暑期实习没有想去的岗位。只有一面，本人是自动化专业，简历上主要是嵌入式方向的，面试的岗位是。担惊受怕日子我真的过够了，每天对电话和信息都应激了，虽然感觉二面我回答的很勾史，但是还是希望美团救救。这次只问了第一个java项目，先介绍有无难点，然后问了某块设计的流程，问库存秒杀流程，然后就问到了r。目前面过的厂如下：美团，整个暑期实习的第一面，表现太差，一面挂。
25届同学校招要静心准备了，太多人找不到工作和失业，卷过别人
每天多一点干货
04-22 1138
最近陆续25届的同学和家长咨询未来校招求职的问题，大家的问题普遍还停留在表面，问的问题都比较单纯些，面试官很友善，很帅气，整场面试 20 - 30 分钟结束说说实习经历，这次实习的时长为什么选择前端，# 就是先给一个密钥，把按顺序去重，最后剩下的单词放在字母表前头，后面按顺序接着填满，就形成了一一对。b站暑期实习的第几志愿到底怎么看啊，不是很想去的java岗位(后投递的)先笔试了，什么情况，服务端是。rt #不给转正的实习，你还去吗# #找实习多的是你不知道的事# #滴！实习打卡# #我的实习求职记。
大语言模型进阶（一）之大语言模型基础
qq_22341693的博客
12-02 756
本文系统剖析了大语言模型（LLM）的技术基础，重点阐述了Transformer架构的核心机制及其演进。首先解析了Transformer的解码器结构，包括嵌入表示层、注意力层（特别是多头注意力和因果注意力）、前馈网络以及残差连接与层归一化等关键组件。随后介绍了GPT模型的生成式预训练范式，包括无监督预训练和有监督微调两阶段方法。接着以LLaMA为例，详细探讨了现代大语言模型的结构优化，包括前置RMSNorm、SwiGLU激活函数、旋转位置编码(RoPE)以及分组查询注意力(GQA)等创新技术。最后从实践角度提
AI核心知识32——大语言模型之多模态语音（简洁且通俗易懂版）
学习AI中...
12-04 228
多模态语音技术实现了AI对声音的原生理解与生成，与传统的拼接式语音助手有本质区别。新一代技术（如GPT-4o）将语音处理整合为端到端流程，直接处理声音波形，带来三大突破：1）能感知语气、情感等副语言信息；2）可自然表达情感并模仿不同音色；3）实现毫秒级响应和实时打断。应用场景包括实时同声传译、情感陪伴和环境感知，使AI真正具备类人的听觉与口语交流能力，标志着从文字处理机器向智能生命体的进化。
AI核心知识25——大语言模型之RAG（简洁且通俗易懂版）
学习AI中...
11-30 803
RAG（检索增强生成）被誉为治疗大模型“幻觉”的特效药。它通过给大模型外挂一个“实时图书馆”，将其工作模式从全靠记忆的“闭卷考试”转变为有据可查的“开卷考试”。 其工作流程包含三步：首先检索外部知识库中的相关段落；其次将资料与问题结合进行增强；最后由大模型基于事实生成回答。RAG完美解决了传统大模型数据滞后、无法访问私有数据及胡编乱造的三大痛点。相比昂贵的微调（Fine-tuning），RAG具有成本低、更新快的优势，是目前90%企业级应用（如客服、文档助手）的首选技术方案。
suppr.wilddata.cn 文献检索，用中文搜 PubMed 一种基于大语言模型的智能搜索引擎构建方法
论文数据分析辅导,；论文人工智能辅导 huazhongxiaosx
12-04 862
摘要：专利CN118964589B提出了一种基于大语言模型（LLM）的智能搜索引擎构建方法，由数野科技（深圳）有限公司于2025年4月11日获得授权。该方案通过创新性检索改写模块和文档重排序模块优化搜索效果：在查询阶段，采用NER动态few-shot示例和专业术语推荐提升语义理解准确性，并设计过滤器自动规划机制；在排序阶段，提出zero-shot的pointwise多元评分和listwise快速排序算法，解决冷启动问题。最终通过引用标引增强结果可信度，显著提升了复杂查询的检索准确率和排序合理性。（149字）
AI核心知识33——大语言模型之ASR（简洁且通俗易懂版）
学习AI中...
12-04 392
ASR（自动语音识别）是AI的"耳朵"，负责将语音转换为文字。在传统AI对话系统中，ASR作为第一道桥梁连接物理声音与数字文字，其性能由词错率和抗噪能力衡量。OpenAI的Whisper模型代表了当前ASR技术的最高水平。虽然GPT-4o等原生多模态模型不再需要独立ASR模块，但仍具备其核心功能。ASR技术使大语言模型能够"听见"人类语音，是实现语音交互的基础。
BCO：用于大语言模型对齐的二分类器优化
12-04 24
在诸如 ChatGPT 等实际服务中，根据用户反馈对模型进行对齐对于提升模型性能至关重要。但大多数现有的对齐研究依赖偏好建模方法，需要成对的正负反馈样本。。该方法训练一个二分类器，其 logit 可作为隐式奖励，从而有效最小化 Direct Preference Optimization（DPO）损失。我们证明，分类器训练中使用的 binary cross-entropy（BCE）损失构成 DPO 损失的上界。此外，我们提出了一种新颖的 reward shift 技术，用于进一步缩小两种损失之间的差距。
【人工智能】AI 人工智能 技术 学习路径分析 ③ ( NLP 自然语言处理 )
让 学习 成为一种 习惯 ( 韩曙亮 の 技术博客 )
11-30 1164
一、第五步 : NLP 自然语言处理 1、学习目标 3、入门阶段 - 文本预处理 ① 语言基础与 NLP 认知 ② 文本预处理 ③ 传统 NLP 工具与基础模型 4、进阶阶段 - 深度学习 与 Transformer ① 词向量 ② 序列模型 ③ Transformer 架构 ④ 预训练模型 5、实战阶段 - 工程落地 ① 工程任务类型 ② 工程核心开发工具 ③ 工程部署与优化
微论-自成长系统引发的NLP新生
小召的专栏--百汇电脑学校(www.i5school.com)
12-01 885
然而，在这繁荣的表象背后，一个根本性的隐忧始终存在，正如我们所洞察的：这些模型从庞大的语料库中学习，却从未有过真实的“体验”。一个扎根于体验的系统，才有可能像人类一样，将“时间流逝”的抽象概念与“河流奔涌”的视觉体验进行深层次类比，创作出真正富有洞察力和感染力的诗歌与故事，而非简单的语料重组。1. 动作与概念的绑定：系统通过传感器“看到”一个球，发出指令控制机械臂“去拿”，在成功触碰到球的反馈中，开始将“球”、“拿”、“圆形”、“滚动”等概念与具体的动作成功和感官反馈紧密绑定。轻轻碰它，则只移动一点点。
Nemotron-Flash: Towards Latency-Optimal Hybrid Small Language Models
最新发布
kebijuelun的博客
12-04 292
2025 年 NVIDIA 提出的 Nemotron-Flash，在当前小模型中大幅提升了精度–效率前沿。例如，相比 Qwen3-1.7B/0.6B，Nemotron-Flash 分别实现了超过 5.5% 的平均精度提升、1.3×/1.9× 的更低时延，以及 18.7×/45.6× 的更高吞吐量。
【论文精读】Aligning Language Models to Explicitly Handle Ambiguity
Alex
11-30 756
作者提出了一种名为“感知歧义性对齐”（APA）的新型对齐流程，旨在通过利用模型自身的内在知识，增强 LLM 处理 query 中歧义性问题的能力。该方法采用隐式信息增益指标来量化模型自身感知到的模糊性，使模型能够基于该指标通过对齐操作有效管理歧义/非歧义查询。
物模型与大语言模型
姚家湾博客
12-04 473
物模型和大语言模型，不是替代关系，是互补关系。物模型提供结构和确定性：清晰的对象、属性、关系大语言模型提供灵活性和理解力：自然语言交互、推理、生成Palantir的成功证明了：在AI时代，把数据转化成模型，让AI基于模型工作，才是正确路径。不要再纠结标准了。快速建模：用最简单的方式把模型建出来实战验证：在一线用起来，快速迭代AI赋能：让大模型帮你完成建模和优化模型驱动：让AI基于结构化模型进行推理物模型+大语言模型，两条腿走路。
揭秘秋招：我是如何获得13个offer和8家SSP的
文中不仅包含了他的求职经历和心得，还深入讨论了与AIGC、AI、NLP（自然语言处理）、机器学习和算法相关的知识点。" 1. 秋季招聘（秋招）经验： 秋招是应届生进入职场的关键时期，通常在每年的9月至11月进行，对于...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序员奇奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值