职位题库

推荐算法工程师面试题库

面向推荐算法工程师相关面试，围绕生成式召回、推荐系统、多任务学习、MMoE、召回等主题展开练习，结合题目考察点、回答思路、参考答案和常见误区，梳理知识要点并练习清晰表达。

22 道题目建议用时 66 分钟专项面试练习

全部题目 22 道题

考察候选人对SID编码碰撞问题的认识和工程解决能力。

考察候选人对用户行为序列建模中长度差异和冷启动问题的处理能力。

考察候选人对生成式召回推理延迟问题的优化经验，覆盖模型、工程、系统等多个维度。

考察候选人对SID编码中业务约束与量化精度平衡的理解，以及实际工程实现能力。

考察候选人对生成式召回中SFT微调方案、LoRA优势以及数据构造的理解。

考察候选人对RQ-Kmeans聚类召回的实际优化经验，包括对量化残差、码本、聚类粒度等细节的理解与改进能力。

考察候选人对生成式召回实验设计的严谨性，以及能否解释收益来源而非仅罗列指标。

考察候选人对多路召回融合的工程与策略设计能力，包括权重分配、兜底机制和线上稳定性。

考察候选人对多目标多场景召回框架的设计能力，包括目标建模、场景适配和预算约束。

考察候选人对稀疏高价值行为的建模能力，包括在召回、粗排、精排等环节的引入方式。

考察候选人将业务目标转化为算法策略的能力，以及对平台生态的理解。

考察候选人对生成式召回（基于SID）与传统召回（如双塔、i2i）在理论优势与工程落地挑战上的理解深度。