算法岗
共 8 篇面经 · 多家公司 / 拼多多 / 腾讯 / 小红书
算法岗校招面试全流程:从自我介绍到系统设计,每一轮在考什么
按校招算法岗的典型流程拆解每一轮的考察点与准备方法:1 到 2 分钟自我介绍看背景与亮点,基础技术面看代码与基础知识,项目深挖看是否真做过、有没有独立思考,系统设计看架构与取舍,综合面看软技能与稳定性。附每轮的常见问题与准备建议。
拼多多算法岗一面:特征共线性、GRPO 与股票买卖题
拼多多算法岗一面面经:围绕暑期实习项目深挖特征构建与共线性、类别标签设计、GRPO 落地与奖励函数,并对比 PPO/GRPO/GSPO/DPO,最后手撕股票买卖 122 与 123。
拼多多算法岗一面:特征共线性、GRPO 与股票买卖题
拼多多算法岗一面面经:围绕暑期实习项目深挖特征构建与共线性、类别标签设计、GRPO 落地与奖励函数,并对比 PPO/GRPO/GSPO/DPO,最后手撕股票买卖 122 与 123。
腾讯算法岗面经合集:推荐样本、多目标优化与特征交叉
腾讯算法岗两场面试合集:2026 年 4 月 12 日那场围绕推荐项目一路追到底——数据集介绍、文本评价、所用特征、编码与训练方法、正负样本的定义与比例、训练数据规模与耗时、embedding 初始化,再问多目标优化模型并手撕颜色分类;2025 年 12 月 15 日那场考最长递增子序列的变种、手撕二叉树公共祖先,并追问对特征交叉类模型的了解程度。
小红书算法岗面经合集:传统机器学习、大模型架构与推荐检索
小红书算法岗七场面试合集:传统机器学习考分词与 NER、分类与回归、XGBoost 与 LightGBM 的差别、监督与无监督与强化学习、K-Means,以及项目选型、踩坑与北极星指标;大模型架构覆盖自注意力、RoPE、MoE、MHA 与 MQA 与 GQA、LayerNorm 与 RMSNorm、预训练与后训练、Decoder-only 的由来;另有模型规模化的算力账(参数量与 FLOPs、PS 存储、训练速度与机器数)、RAG 流程与切片粒度、召回与粗排精排的经典模型、NDCG 与 AUC 与二分类 loss、负采样与高热打压,以及生成式推荐的码本坍塌、sid 质量与幻觉治理;手撕考螺旋矩阵、O(N) 求第 K 大、立方根与岛屿数量。
小红书算法岗面经合集:PLE 与多目标建模、广告算法与排序手撕
小红书算法岗九场面试合集:推荐与广告方向深挖 PLE 的迭代与门控 trick、比 MMoE 好在哪里、负迁移与跷跷板问题怎么解,ESMM 与 CVR 样本稀疏、多目标建模、广告计费与利益均衡、双塔模型结构和样本;大模型侧考 self-attention 与 MHA、MQA、GQA、MLA 和 KV 缓存、位置编码、RAG 与幻觉、DPO 与 PPO 与 GRPO 的差别、Reward 与优势函数设计、DeepSeek V3 训练流程;另有 AUC 与 logloss 原理、过拟合与 L1/L2、BN 与特征筛选、DIN 与 SIM,手撕考快速排序、最长公共子序列、最长递增子序列。
小红书算法岗面经合集:Uplift 建模、Transformer 细节与推荐召回
小红书算法岗七场面试合集:增长侧深挖特征重要性的判别方法、uplift 建模与发券决策、混淆偏差与选择偏差的区分和评估指标;科研与 NLP 侧围绕知识图谱问答链路的实现、MRR 与 Hit@k、nDCG、KL 散度与交叉熵的取舍展开;Transformer 部分被追问一小时,覆盖缩放点积注意力的假设、位置编码方案、多头与 MHA、LayerNorm 与 BatchNorm、Encoder 与 Decoder 的区别;此外还有 MQA 与 GQA、PPO 与 DPO 与 GRPO 的对比、多路召回权重与规则召回、CVR 样本空间,以及用户安全审核岗的申诉处理与内容审核评估。
腾讯算法岗面经合集:感知哈希、RAG 与 Go 调度
腾讯算法岗三场面经合集:第一场以算法和智力题为主,含数组整体减固定值能否归零、其余数出现三次时找唯一数、rand5 构造 rand7、64 匹马取前四;后两场围绕项目,问了感知哈希、RAG 召回与 Redis 单线程高吞吐。