時間：2025.5.12

部門：淘天集團-搜推智能產(chǎn)品事業(yè)部-自營&近場算法

時長：35min，電話面

全程圍繞項目進行提問以及相關八股的拷打

1. 項目為什么會選擇ESMM框架，是否有分析過ESMM和MMoE的區(qū)別，包括最終對結果的影響或架構上的區(qū)別
2. ESMM對解決樣本偏差這方面的優(yōu)勢，模型結構上的體現(xiàn)
3. 多目標建模理論具體細節(jié)，是否是label方面實現(xiàn)CTR和CVR二分類
4. 如何體現(xiàn)的eCPM最大化
5. 在正常的廣告系統(tǒng)里面有兩種方式去做eCPM的最大化，一種在推薦側，他的label可能就是我最終的eCPM序，表示在精排產(chǎn)生后，有一個bid和eCPM，這樣面向eCPM去做預估理論上不是point-wise而是pair-wise或list-wise的排序，直接在模型里面去做優(yōu)化。另一種是在eCPM公式里面將pCTR、pCVR做的更準，你這邊是傾向于第二種是嗎？
6. 精排這一部分在訓練的時候負采樣/正負樣本怎么取的，最終的label是廣告商品已經(jīng)曝光的，曝光里的CTCVR？
7. 是否有考慮對廣告商品的出價
8. 對廣告第一部分粗排和召回是否有了解，召回模塊目前比較主流的方法有哪些，召回模塊比較有挑戰(zhàn)的方法，算法模型中遇到的最困難的點
9. 召回部分，對于長尾商品難以召回的解決方案
10. 介紹一下DIN模型，是否有嘗試分別用DIN和LightGBM兩個模型做排序對比結果差異性
11. 詳細DIN里的注意力機制，包括特征維度，Attention公式以及其時間和空間復雜度
12. 描述一下Transformer的網(wǎng)絡結構，是否有嘗試將Transformer里encoder某一部分（比如Attention）去掉做消融實驗
13. Transformer里Multi-head Attention的時間和空間復雜度
14. 介紹一下LightGBM模型，介紹GBDT模型，做GBDT模型調優(yōu)的時候樹的深度等方面怎么設置，在設置樹的深度方面需要考慮的維度是什么，這個超參根據(jù)什么來調整
15. 分類任務存在正負樣本不均衡問題如何解決
16. 精排部分除了DIN模型還了解哪些
17. 是否有了解強化學習有關內(nèi)容
18. 項目如何評估

反問：

1. 部門業(yè)務：大部分是做搜索推薦廣告，面試官這邊做的是廣告相關，業(yè)務主要包含預算的分配，偏優(yōu)化方向的一部分是做推薦廣告的召回、粗排和精排，另一部分做繼續(xù)強化相關包含出價和一些機制的設計
2. 往廣告算法相關發(fā)展的基本路線：廣告基本的召回、粗排和精排，廣告本身屬性出價和拍賣機制。CTR、CVR預測相關主流模型以及所解決的問題和難點
3. 學習建議：文章和實戰(zhàn)