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，围绕强化学习、生成式召回、DPO、SFT、GRPO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。

37 道题目建议用时 111 分钟专项面试练习

全部题目 37 道题

考察候选人对RQ-VAE（残差量化变分自编码器）的掌握程度，包括其结构、损失设计和梯度传播机制。

考察候选人对量化中梯度截断问题的解决方案的广度，以及对rotation trick的理解。

考察候选人对经典多任务模型结构的理解，以及它们之间的演进关系。

考察候选人对多任务模型中专家坍缩现象的理解及解决方案。

考察候选人对DIN注意力机制的理解，以及自注意力复杂度分析能力。

考察候选人对推荐系统整体架构的理解，是否清楚从召回、排序到重排的完整流程及各阶段目标。

考察候选人对特征评估方法的掌握程度，包括离线指标和线上实验。

考察候选人对多任务学习模型MMoE的理解，包括其设计动机、网络结构和优势。

考察候选人对SID构建流程的理解，包括数据收集、处理和应用。

考察候选人对SFT流程的理解，以及如何将大模型微调技术应用于推荐场景。

考察候选人对DPO核心数学形式的掌握程度，以及能否解释其相对于传统RLHF的简化思想。

考察候选人对三种常见对齐/强化学习方法的整体理解，包括是否需要奖励模型、价值函数、参考模型以及策略更新方式。