编码题专题汇编

题集来源：阿东玩 AI（Adong）收录项目：AgentGuide查看原题集

【GRPO、强化学习、代码实现｜L5】如果给一个真实query,让你代码实现GRPO全流程,你会如何组织 rollout、reward、logprob、advantage、loss 和 update? 「字节跳动」
原题
关联题目实现从 Rollout 到参数更新的 GRPO 训练流程。模型训练与对齐 / 强化学习与奖励代码题深入0篇相关面经
【推荐指标、GAUC｜L3】手撕代码：Request维度的GAUC计算；另一场次补充：Gauc的计算，写一下「字节跳动、美团、阿里巴巴」
原题
关联题目实现按请求或用户分组的 GAUC。AI 应用工程与治理 / 评测体系与实验设计代码题进阶0篇相关面经
【AUC、模型评估、评估指标、Python｜L4】手撕：给了label和预测score，实现AUC的代码，时间复杂度-优化。；另一场次补充：手撕一下AUC(不用numpy)。；另一场次补充：用Python实现AUC的计算。；另一场次补充：手撕AUC/常见损失函数；另一场次补充：代码：手撕AUC。「京东、字节Seed、字节跳动、百度、阿里巴巴」
原题
关联题目手写 AUC 的计算。AI 应用工程与治理 / 评测体系与实验设计代码题进阶0篇相关面经
【推荐系统、Cross-Encoder、粗排｜L3】粗排: Cross-Encoder对top-100重打分(比Bi-Encoder准但慢) 「百度」
原题
关联题目用 Python 实现基于交叉编码器的 Reranker。RAG 与知识系统 / 混合检索与重排序代码题进阶0篇相关面经
【推荐系统、FM、实现｜L3】实现FM（Factorization Machine）模型「字节跳动」
原题
关联题目实现 Factorization Machine 的二阶特征交互。模型基础与推理 / 机器学习与推荐系统代码题进阶0篇相关面经
【推荐模型、DIN｜L4】实现DIN（Deep Interest Network）「阿里巴巴」
原题
关联题目实现 DIN 的目标相关兴趣表示与预测。模型基础与推理 / 机器学习与推荐系统代码题进阶0篇相关面经
【推荐模型、MMoE｜L4】实现MMoE（Multi-gate Mixture-of-Experts）「百度、阿里巴巴」
原题
关联题目实现多门控专家结构的多任务网络。模型基础与推理 / 机器学习与推荐系统代码题进阶0篇相关面经
【推荐系统、多目标排序、MMOE、PLE｜L4】多目标排序的具体实现 share-nothing、share-bottom、MMOE、PLE？「腾讯」
原题
本条讨论架构组织，未给代码接口或训练任务。
关联题目独立模型、共享底座、MMoE 与 PLE 如何组织多任务排序？模型基础与推理 / 机器学习与推荐系统比较选型进阶0篇相关面经
【推荐模型、DIN、时间衰减｜L4】实现一个time_decay的DIN（Deep Interest Network with time decay）「阿里巴巴」
原题
关联题目实现 DIN 的目标相关兴趣表示与预测。模型基础与推理 / 机器学习与推荐系统代码题进阶0篇相关面经
【推荐系统、条件概率｜L4】给定用户历史行为序列，根据历史行为序列算出元组对的条件概率，并根据条件概率进行用户推荐。「腾讯」
原题
关联题目根据历史行为对的条件概率实现简单推荐。模型基础与推理 / 机器学习与推荐系统代码题进阶0篇相关面经

题目目录

【GRPO、强化学习、代码实现｜L5】如果给一个真实query,让你代码实现GRPO全流程,你会如何组织 rollout、reward、logprob、advantage、loss 和 update? 「字节跳动」

【推荐指标、GAUC｜L3】手撕代码：Request维度的GAUC计算；另一场次补充：Gauc的计算，写一下 「字节跳动、美团、阿里巴巴」

【推荐系统、Cross-Encoder、粗排｜L3】粗排: Cross-Encoder对top-100重打分(比Bi-Encoder准但慢) 「百度」

【推荐系统、FM、实现｜L3】实现FM（Factorization Machine）模型 「字节跳动」

【推荐模型、DIN｜L4】实现DIN（Deep Interest Network） 「阿里巴巴」

【推荐模型、MMoE｜L4】实现MMoE（Multi-gate Mixture-of-Experts） 「百度、阿里巴巴」

【推荐系统、多目标排序、MMOE、PLE｜L4】多目标排序的具体实现 share-nothing、share-bottom、MMOE、PLE？ 「腾讯」

【推荐模型、DIN、时间衰减｜L4】实现一个time_decay的DIN（Deep Interest Network with time decay） 「阿里巴巴」

【推荐系统、条件概率｜L4】给定用户历史行为序列，根据历史行为序列算出元组对的条件概率，并根据条件概率进行用户推荐。 「腾讯」

【推荐指标、GAUC｜L3】手撕代码：Request维度的GAUC计算；另一场次补充：Gauc的计算，写一下「字节跳动、美团、阿里巴巴」

【推荐系统、FM、实现｜L3】实现FM（Factorization Machine）模型「字节跳动」

【推荐模型、DIN｜L4】实现DIN（Deep Interest Network）「阿里巴巴」

【推荐模型、MMoE｜L4】实现MMoE（Multi-gate Mixture-of-Experts）「百度、阿里巴巴」

【推荐系统、多目标排序、MMOE、PLE｜L4】多目标排序的具体实现 share-nothing、share-bottom、MMOE、PLE？「腾讯」

【推荐模型、DIN、时间衰减｜L4】实现一个time_decay的DIN（Deep Interest Network with time decay）「阿里巴巴」

【推荐系统、条件概率｜L4】给定用户历史行为序列，根据历史行为序列算出元组对的条件概率，并根据条件概率进行用户推荐。「腾讯」