😄 整個流程按如下問題展開，用時60min左右面試官人挺好，前半部分問問題，后半部分coding一道題。
各位有什么問題可以直接評論區留言，24小時內必回信息，放心~
文章目錄
- 1、自我介紹
- 2、介紹下項目：微信-多模態小視頻分類
- 2.1、看你用了cross-att來融合多模態信息，cross-att是怎么做的？
- 2.2、如何處理文本，ocr，asr輸入模型？
- 3、resnet和vit區別在哪？
- 4、swin-trm相比vit做了什么改進？
- 5、有無對ocr，asr里的噪音進行處理？
- 6、有無關注類別里的長尾問題？如何處理的？
- 7、focal-loss原理？
- 8、trm里的位置編碼和bert里的位置編碼的區別？
- 9、介紹下項目：京東-商品標題實體識別？
- 10、標題中實體堆疊緊密，實體前后未必有強烈的上下文語義信息，怎么針對性解決？采用的模型結構有針對這方面嗎？
- 11、對新詞，也就是訓練集里沒出現過的詞，有處理嗎？
- 12、有無考慮采用匹配類的方法，用詞庫來做實體匹配？效果會不會更好呢？知識注入類的NER方法有無了解？
- 13、coding部分：無重復字符的最長子串
- 14、互問階段
1、自我介紹
2、介紹下項目：微信-多模態小視頻分類
2.1、看你用了cross-att來融合多模態信息，cross-att是怎么做的？
2.2、如何處理文本，ocr，asr輸入模型？
3、resnet和vit區別在哪？
4、swin-trm相比vit做了什么改進？
5、有無對ocr，asr里的噪音進行處理？
6、有無關注類別里的長尾問題？如何處理的？
7、focal-loss原理？
8、trm里的位置編碼和bert里的位置編碼的區別？
9、介紹下項目：京東-商品標題實體識別？
10、標題中實體堆疊緊密，實體前后未必有強烈的上下文語義信息，怎么針對性解決？采用的模型結構有針對這方面嗎？
11、對新詞，也就是訓練集里沒出現過的詞，有處理嗎？
12、有無考慮采用匹配類的方法，用詞庫來做實體匹配？效果會不會更好呢？知識注入類的NER方法有無了解？
13、coding部分：無重復字符的最長子串
滑動窗口+哈希表解決：
class Solution:def lengthOfLongestSubstring(self, s: str) -> int:# 滑動窗口：記錄無重復字符的最長子串win_dict = dict() # 記錄滑動窗口最左端left = 0 max_len = 0for i in range(len(s)):if s[i] in win_dict.keys():if win_dict[s[i]] >= left:left = win_dict[s[i]] + 1 # 更新左邊界win_dict[s[i]] = imax_len = max(max_len, i-left+1)return max_len
14、互問階段
- 相互了解下情況。
