01 请先介绍快手快聘项目中对话助手的具体业务应用场景:是用户主动触发还是推荐推出来的?简历里写的技术点哪些是针对 toC 做的,哪些是针对 toB(商家)做的?考察候选人对项目业务背景的清晰度、技术方案与业务目标的匹配度,以及区分 toC 与 toB 需求的能力。 查看学习思路
02 在语音(ASR)清洗部分,20 万条样本里有“保留、删除、替换”操作,请以一条样本为例,具体讲一下它的标签是怎样设计的?20 万条样本是有人工标注的种子样本,还是完全调大模型洗出来的?考察候选人对数据清洗流程的细节掌握程度,包括标签设计逻辑、数据来源和标注方式。 查看学习思路
03 推荐系统进入深度学习阶段后,大家普遍用怎样的方式去做用户历史长序列(Long Sequence)的提取?随着序列越来越长(比如上千条甚至 2~5 年的历史行为),业界是怎么处理 Attention 时间复杂度过高的问题,快速从海量历史交互行为里提取到与当前 Target Item 相关的行为的?考察候选人对推荐系统长序列建模前沿方法的了解,以及解决 Attention 复杂度问题的思路。 查看学习思路