流程总览
笔试（算法题难度高于开发岗）→ 2~3 轮技术面（ML 基础+方向深挖+coding）→ HR 面。NLP/CV/推荐/风控方向考察差异明显。
机器学习基础高频题
- 过拟合的表现与应对（正则、早停、数据增强、dropout）？
- 逻辑回归为什么用交叉熵不用 MSE？
- GBDT 与随机森林的区别？XGBoost 做了哪些工程优化？
- 评估指标：AUC 的物理含义？样本不均衡时用什么？
- 特征工程：连续特征分桶的意义？
深度学习与方向题
- Transformer：自注意力复杂度、位置编码、多头的作用；和 RNN/CNN 的对比。
- 推荐方向：召回/粗排/精排架构，双塔模型的优缺点。
- 大模型方向：预训练/SFT/RLHF 流程，LoRA 等参数高效微调的原理。
项目与论文深挖
面试官会沿着「动机 → baseline → 你的改进 → 消融实验 → 数字」追问到底。任何写在简历上的模型都要能推导核心公式。
准备清单
coding 不能弱于开发岗（高频：Top-K、二叉树、DP）；准备一页纸讲清你最好的一段研究/竞赛，数字须真实可复述。