六面字节，四面京东，三面好未来，每面都有算法重不重要你说的算

最新的进展，好未来提前批过了哈哈，说好了8月中旬出结果就真的等来了，也希望正在找工作的小伙伴都能拿到想要的offer，对于京东，估计还得在池子里泡泡哈哈。

过去一个多月投了不少简历，不过有回应的就5、6个，深感找工作的不易，不过一个月来也算有一些小的结果，所以心里还算镇定，不过希望大家也不要慌，好好沉淀，最后都会有的。我主要是找的算法方面的工作，方向有涉及强化学习、图之类的，项目中也用到了，所以面经主要会比较多关于这方面的问题。

字节（已意向书）

字节7月1号投的，一共面了6次，第一个部门到第二面的时候挂了，后面把我捞起来了，又换了个部门面了4面，非常感谢字节不断给机会，最后成功拿到意向书了，很开心，能有个好的结果。

一面

1、自我介绍

2、介绍强化学习的项目（背景、动机、如何建模、输入输出和训练算法说了一遍，说完后面试官问了一些细节）

3、说一下DQN吧（先说了q-learning，然后说了DQN的三点改进，以及存在的问题）

4、说一下MC和TD的区别

4、说一下value-based和policy-based的优缺点

5、说一下SAC（这个说的不太好，原理、policy的训练、q网络的训练说的不太清楚，面试当时还没仔细学到这个算法）

6、说一下GBDT（这里只说了一下目标函数比较简略）

算法题

一道概率题：三个盒子分别放的球为：“红 红”，“红 蓝”， “蓝 蓝”，第一次取出一个红球后，取出两个红球且为第一个盒子的概率（第一次遇到考概率题的情况，还算错了）

给定一个n*n的字符盘，和一个字符串，看该字符串是否出现在字符盘中（这个还行，写出来了）

二面

1、自我接受，之后让介绍项目，项目完了就开始问强化学习

2、AC算法的V网络和Q网络的目标函数

3、TD3和DDPG的区别

4、DQN和Sarsa的区别

5、reforcement的目标和梯度是什么

6、探索的epsilon固定不变的时候，DQN什么情况下学不到东西，举例子说明（说了一堆没答到点上，当时确实不知道）

7、什么情况下，SARSE学的比DQN好，举例子说明（这个也没答好）

8、前两个问题面试官看我不知道就不问了，接着他