小红书

一面游戏经历挑了王者来问，优缺点，在缺点中选了一个详细问了很多怎么改善这个缺点怎么通过数据验证改善方案的效果方案若决定在下个版本上线，届时如何通知玩家游戏行业发展趋势为什么选择游戏行业为什么选择字节二面 自我介绍深挖实习，实习项目规模、用户规模竞品的发展史竞品比较分析，最大的优势和劣势游戏产品的壁垒是什么游戏经历xx游戏激励你持续玩下去的点hr面自我介绍base期望秋招进展为什么投递xx公司实习让你最有成就感的一件事最近玩的游戏其中哪款运营做的比较好英语水平 英语介绍一款游戏兴趣爱好同学如何评价你自我评价

应聘知产实习，面试官讲到因为是可留用的因此面试难度基本和校招类似问题：1.自我介绍2.对小红书的了解→可能存在的侵权类型→小红书如何应对侵权→通知删除原则的适用3.两段实习（公检法/互联网公司）差别与收获→律师法务差别→几个词形容自己→具备什么优势做法务4.实习中两个印象深/成就感的事5.情景问题（NFT数字藏品侵权做法律检索的思路，小红书笔记标题带品牌名被起诉侵犯商标权看法）6.反问（我问了对我的挑战）零零碎碎大概50min 主问和追问的问题加起来大概十几个（部分忘了），面试官人很nice，专业问题有些我不太熟悉了所以感觉没戏，但还是学习到了很有用的专业人士的意见和想法，对我个人来说是很有价值的一次面试🫡

算法题： 编辑距离 （经典dp）切割原木：给一个整数数组，代表每根原木的长度，现在要求切割出至少k根相同长度的木头，（只能切割不能拼接），求得到k根木头的最大长度是多少。（二分）自我介绍，项目经历NLP知识：写一下transformer的multihead attention，这个写法能并行吗介绍一下BERT，Encoder－decoder，ALBERT对BERT做了什么改进

一面 自我介绍然后开始问实习项目，聊聊了项目相关的算法算法题是二叉树最大路径和，要求时间复杂度O(n)，空间复杂度O(1) ；想不到空间O(1)的，就花了两分钟时间写了个递归版本，过了一半样例开始爆栈，和面试官一起看了一会儿，我问他是不是递归不行，他觉得是我边界条件有问题，最后也没做出来。二面 自我介绍因为简历写了熟悉python，C++，问了语言八股，python深拷贝、浅拷贝，C++内存分配的方法有哪些，栈和堆分别存的什么。python的回答出来了，C++一点不会（本来想着临时报佛脚冲刺下开发的，后来发现时间肯定不够，简历里忘记删了）。然后问了有没有看过深度学习的书，对什么印象最深。我就说了交叉熵的推导，感觉很有意思，就讲了下最大似然和最大熵推交叉熵损失（问的比较具体，比如为什么要log，具体怎么推的），然后顺带问了最大似然和最大后验的区别，以及各自有哪些算法。然后让我讲讲自己看过的论文，具体是怎么做的。算法题让我讲了思路，就是矩形里面有1和0，判断1有没有围成圈，一开始想着从1开始dfs，看看会不会回到原点，面试官提醒说这样的话不一定是圈可能是岛屿，反应了下，就想到说遍历0，看能不能一次访问到所有的0。然后开始介绍实习项目，讨论了一会儿。

一面一个半小时，二面半小时直接挂一面：第一轮技术面，深挖项目，疯狂拷打项目细节，会问到很多很具体的内容，一个项目问了将近50分钟。（后来写代码题的时候面试官估计还在思考项目细节，写完代码又问了一些）八股问的不多。第二天就通知二面二面：一上来就是一道代码题，没写出来，问了俩八股直接结束。十分钟后系统流程结束

一对一面试，主要是进行技术面。问题1、过拟合。 问题2、Knn怎么影响到过拟合的 。问题3、决策树分类的依据信息增益。 问题4、卷积神经网络和BP神经网络的区别。    问题5、为什么没有用网络做心电图的分类。    问题6、非递归的二分法查找。    问题7、递归和非递归的区别是什么？但确实准备的不够充分，浪费了一个很好的机会。主要聊的是简历相关的内容。