【面试】六面！终斩腾讯NLP暑期实习offer

作者 | WilliamLam

整理 | NewBeeNLP

面试锦囊之面经分享系列，持续更新中 

TEG 应用研究岗

本人双非本科，985渣硕一个。有相关的项目和论文经历。

一面（50 min，腾讯会议语音面）

• 自我介绍

• 介绍一下AAAI的那篇论文（动机，改进，细节）

• 为什么用Relational-RNN代替LSTM（AAAI论文）

• LSTM对于one-to-one，many-to-many等这些场景如何选择模型

• CNN的作用

• SVM和LR对于离群点的敏感性

• 有什么**函数，有什么作用

• 了解DQ-learning吗

• 有实践过传统的机器学习算法吗？

• 编程题（LeetCode-3，medium）：求最长的不含重复字符的子串

二面（50 min，电话面）

• 自我介绍

• 情感分析用什么数据集

• 介绍EMNLP 2019的论文，为什么有效，为什么被拒

• 论文用了什么baseline

• BERT的细节

• BERT的优势

• 为什么选文本生成领域

• 介绍AAAI 2020的论文，主要创新点

• 生成对抗网络用在文本中如何梯度估计

• 为什么用Relational-RNN代替LSTM

• 编程题（字符串编辑距离）

三面（40 min，电话面，凉）

• 聊工作意向，实习时间

• 介绍自己的一个项目，并讲一下自己负责的工作和难点

• 介绍一下AAAI论文的细节、改进点

• 如何衡量模型的性能

• LSTM和GRU的区别，GRU具体简化了哪个门

• 介绍一下强化学习的策略梯度

• VGG，ResNet这种模型的优势的改进点

• 为什么深层神经网络里的卷积核都改成了3x3，而不是5x5

• batch size如何选择

PCG 应用研究岗

一面（1 h，腾讯会议视频面试）

• 介绍文本生成的概况，以往的模型如何做的

• 介绍生成对抗网络，机制

• 介绍一个熟悉的语言模型，翻译模型Encoder-Decoder

• 介绍情感分析任务

• 方面级情感分析和句子级情感分析的区别和优势

• 方面级情感分析的模型结构

• 介绍一下self-Attention

• 介绍一下bert

• 数据类别不平衡问题如何解决

• 如何做数据增强

• 梯度消失和梯度爆炸的原因和解决方法

• 编程题（二叉树最低公共祖先，非递归方法）

二面（30 min，腾讯会议语音面试）

• 研究生进入工业界有什么思考

• 根据自己所学的知识，说一下有哪些具体的业务场景

• 场景题：搜索业务场景。给定用户搜索的query，以及搜索结果的点击率等信息，给query分类。

HR面（15 min，腾讯会议语音面试）

• 自我介绍

• 实习时间

• 哪里人

• 是否独生子女

• 在校成绩

• 目前有哪些offer

• 为什么意愿bg选择了wxg

• 实习期间想获得什么

• 反问（薪资，工作时间，什么时候出结果）

- END -

个人微信：加时请注明 (昵称+公司/学校+方向)

也欢迎小伙伴加入NLP交流群，刚刚创的，想和大家讨论NLP!