推荐搜索与广告
来源未展开 ESSM。
多目标建模怎么做？有哪些多目标模型（如ESSM）？
损失函数如何融合（有哪些方式，各自的优缺点）？
实习中精排融合公式具体有哪些目标？是否使用动态加权？需要注意什么地方？
原题完整原题
【多目标建模与融合】多目标建模怎么做？有哪些多目标模型（如ESSM）？损失函数如何融合（有哪些方式，各自的优缺点）？实习中精排融合公式具体有哪些目标？是否使用动态加权？需要注意什么地方？ 「京东、字节Seed、字节跳动、美团、阿里巴巴」
【多目标排序架构】多目标排序的具体实现：share-nothing、share-bottom、MMOE、PLE？请介绍每种架构的原理和适用场景。 「腾讯」
原题【多路结果排序】召回的多个网页搜索结果，是如何进行排序和筛选的？在对多路样本进行排序时，用到了哪些指标？ 「字节跳动」
原题【工业精排LGBM】在排序模型中，LightGBM和DIN分别起到什么作用？工业场景精排为什么常用LGBM？相比XGBoost或深度模型，LGBM在效果和效率上有什么优势？ 「京东、百度、蚂蚁集团」
原题「美团、阿里巴巴、阿里通义」
精排的Scaling，主要是在Scaling什么？
重排序（Rerank）的作用是什么？为什么向量召回后必须做重排？如果没有Reranker，线上效果会下降在哪些指标？
原题完整原题
【排序与重排】1. 精排的Scaling，主要是在Scaling什么？2. 重排序（Rerank）的作用是什么？为什么向量召回后必须做重排？如果没有Reranker，线上效果会下降在哪些指标？ 「美团、阿里巴巴、阿里通义」
【排序损失函数】请介绍Learning to Rank中的pointwise、pairwise和listwise三种训练方式，并比较它们的优缺点。具体说明：为什么在某些推荐场景下pointwise效果比pairwise好？pairwise margin是否更好？以及listwise loss的特点。 「京东、百度、百度文心、腾讯」
原题【校准】Calibration的作用与必要性；常用算法（如保序回归、Platt缩放、温度缩放等）；数据选择策略；提高PCOC的方法。 「百度、阿里巴巴」
原题【策略与规则】有什么兜底和后处理逻辑？请介绍常见的策略与规则。 「字节跳动」
原题【粗排优化】粗排阶段使用Cross-Encoder对top-100重打分（比Bi-Encoder准但慢），除此之外粗排之后还有哪些优化点？ 「字节跳动、百度」
原题【精排模型优化方向】如果给你一个精排模型，一开始只是一个简单的MLP，你该从哪些方面去考虑提升模型的效果？ 「百度」
原题
暂无题目