《 HiFuture 》

*****************************************************************
蚂蚁一面  时间40分钟左右
*****************************************************************
一面 Deep learning基础+自己的工作
- 1. RNN和LSTM的区别，为什么LSTM可以解决梯度爆炸问题
- 2. 做二分类的分类指标，做二分类的F1和Recall是一样的问题
- 3. 业务偏向小样本，模型迁移，domain transfer learning 迁移学习，可以扩展的甚至可以讲一些在模型训练的时候加一些知识，后续去summary这样一些知识。
*****************************************************************
蚂蚁二面 时间60分钟左右
*****************************************************************
面试官自我简绍：蚂蚁风控中心，防欺诈，风控模型；用到的模型有：图，NLP(QA),多模态，端模型（这个没有听说过）
自我简绍
--------------------------------
算法面试：
刚开始是考察之前的QA论文，创新点在于哪里：考虑了用户的历史信息
蛋白质领域，预训练语言模型。
防止过拟合的手段
预训练语言模型训练的trick
NLP中为什么使用的是LN为什么不是BN
Transformer中Dropout为什么要加在BN层的后面，因为方差偏移
模型训练的时候dropout设置为多少
-------------------------------
场景考察解决方法
1. 客服交互记录，文本QA，如何分辨是欺诈还是交易纠纷
2. 文本匹配任务，错词进行纠错
--------------------------------
青蛙跳台阶，每次跳一次或者两次，跳到第十层的时候，有多少可能的路径
斐波那契数字