真面经，好答案。面试之前，先来面栈。

快手

116 篇面经894 道面试题

官方招聘开始复习

已筛选

共 894 道题

排序：

16167
MMR 的具体公式是什么，怎样平衡相关性与多样性？
RAG 与知识系统混合检索与重排序
原理机制
进阶
1 篇面经
16168
DPP 如何用于推荐结果打散，与常见多样性策略有何区别？
模型基础与推理机器学习与推荐系统
原理机制
进阶
1 篇面经
16169
推荐上线后 PCTR 提升而 IPV 下降，可能是什么原因，如何分析？
模型基础与推理机器学习与推荐系统
故障排查
进阶
1 篇面经
16170
大模型可以如何用于搜索推荐系统？
模型基础与推理机器学习与推荐系统
开放讨论
—
1 篇面经
16171
是否做过大模型结合推荐系统的实验或项目，如何设计和验证？
模型基础与推理机器学习与推荐系统
经历介绍
—
1 篇面经
16243
多 Agent 团队协作协议应如何实现？
Agent 原理与系统多 Agent 编排与协作
方案设计
进阶
1 篇面经
16353
你通常采用什么学习方法，如何验证掌握程度？
项目与综合面试能力成长与学习方法
行为面
—
1 篇面经
16406
GPU 的基本硬件架构由哪些部分组成？
模型训练与对齐分布式训练与计算硬件
概念解释
进阶
1 篇面经
16418
CAS 有哪些常见问题和使用限制？
软件工程基础并发与异步编程
原理机制
进阶
1 篇面经
16425
回归模型常用哪些评估指标，应如何按任务选择？
模型基础与推理机器学习与推荐系统
效果评估
进阶
1 篇面经

另有 9 篇多公司合集，可在面经记录中查看。