字节 AI Lab-NLP 算法热乎面经
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：
- 请你描述一下竞赛背景，以及你在其中的工作/职责。
- 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。
- 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。
- glove 了解吗，elmo 呢？
- 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。
- 说一下 bidaf 的匹配层，解释了 bidaf 的 c2q 和 q2c 的意义和具体做法。
- 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。
- 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）。
- 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。
- 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：
- 顺时针打印数组
- 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：
- 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。
- 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…
