本文详述了作者在滴滴和美团实习期间的算法面试经历，涵盖了聚类算法、GBDT、XGBoost、自注意力机制、高斯混合模型、CRF推理、最小编辑距离等多个核心话题，并探讨了T5、BERT、SentenceBert等预训练模型的改进与应用。同时，文章还涉及了实际面试中遇到的编程挑战，如文本分词和平方根计算问题。
滴滴实习
1.聚类没有试过表示学习的方法么？说了sentenceBert，说这个老了有几年了
2.gbdt训练目标 负梯度
3.gbdt loss为mse的时候拟合的是残差
4.gbdt 和梯度下降的区别和联系？
5.xgboost相对于gbdt的改进，有个采样没说
6.自注意力怎么算的
7.高斯混合聚类
https://blog.csdn.net/lotusng/article/details/79990724
8.crf推理过程 维特比
手撕：最小编辑距离
美团实习
1.T5和传统transformer的改进
2.T5 mask的区别
3.Bert基于mask的调优 有跟进吗
4.bert nsp做什么效果好 什么效果不好
5.sentence bert做语义相似度优势原理，bert丢失整句语义，sentence bert解决模型塌缩，原理？
6.w2v两种方式性能差别
7.transformer用残差了么
8.残差的作用
9.多轮对话需要怎么做
10.一般的对话和场景对话区别
·手撕：给词表，一个文本，输出所有分词可能
·手撕：给n求开方 二分查找
767
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
