美团一面凉经

背景：985本，保研985硕

方向：微服务与软件架构

岗位：无人驾驶算法工程师

自我介绍

常规内容

项目介绍

• 看你做过魔方这个项目，你给我大概介绍一下吧

  介绍了项目内容，包括项目目的，解决方法，遇到的困难和思路

• 你为什么用LSTM的方法来解决这个问题

  因为这个项目本质上是一组序列数据的分类问题，我就想到了NLP中的LSTM，拿来处理了这个问题

• 为什么要用深度学习的方法，不用阈值或者规则

  阈值和规则容易出现震荡的情况，即在阈值附近分类结果不稳定，希望用机器学习的方法得到更鲁棒的结果

• 看你还用了强化学习，你的reward是什么

  是当前状态与目标状态的距离，我计算的是均方误差

• 看你笔试做得还不错，你第一个题测试用例没全部通过是吧

  （我五个题就过了两个，居然还不错？）我当时看到好像是都通过了

Attention和DevOps相关

• 咦，这上面显示你是满分，但是测试用例没有全部通过，奇怪。那你讲一下RCNN和Attention的区别吧

  Attention主要解决了RCNN在长期依赖的问题，在传统的Seq2Seq架构中，解码时RCNN只使用最后一个隐向量作为输出，当源序列过长的时候，会导致序列前端的数据被忽视，序列后端的数据站较大比重，从而没法利用整个序列进行输出。Attention针对这一个问题提供了Attention机制，该机制本质上是一个查询机制，利用Q去查询每一个K-V对中，Q和K的距离，并根据这个距离为不同的V赋予不同的权重，在Seq2Seq架构中体现为，利用解码时当前的隐向量，查询他与编码时隐向量的距离，并将距离近的隐向量赋予较高的权值，最后将编码时隐向量加权求和后作为当前解码阶段的一个输入参与解码过程中来。

• 中途另外一个公司的HR打电话过来，没敢挂，跟HR说了一下之后就去接听了。回来感觉HR有点不开心

• 你还做过DevOps，你讲讲你这方面的研究吧

  介绍了一下自己的工作

他们的自我介绍

• 行，我给你介绍一下我们这边的情况吧，他们的方向是利用感知得到的物理数据（行人坐标，速度，车辆坐标，速度等）来预测人、车等接下来一段时间的动作和位置等等。

  我想请问一下咱们的难点在哪个地方（有点脑瘫，不该这么问，让HR觉得我认为他们任务没有难度）

• 刚刚说过了，是人与车辆的交互，在不同的情况下可能会出现不同的动作

  我目前是觉得咱们这个预测难度有点大，因为这些物理数据是有限的，而人和车的行为是有很大主观因素的，比如这个车辆的主人他可能今天情绪不好，他就不会去礼让行人。

• 在学术界确实有你说的这么做的，分析车主的情绪，再进行判断，但我们目前还在进行各种尝试

​ 好的了解了。

• 那你觉得你对我们工作感兴趣吗

  我觉得可能我目前对CV的经验更多一点，对这方面也比较感兴趣一下，可能对直接的感知更有兴趣一点。但是我刚刚听你说咱们这个也有图的一个识别工作，所以让我来做的话我还是比较感兴趣的。

• （面试官稍微不悦）我们工作地点在北京，你可以接受吗

  其他地方还有base吗

• 没有，只有北京

  嗷，好的，北京的话，我觉得我应该是可以接受的

• 行，那有下次面试的话我们会通知你的

感想

这次的面试让我意识到做人不能太直，虽然我确实对他们的研究方向有一定的不理解，北京工作这个地理条件也不是特别符合我目前的心愿。但是至少这是一个很好的学习的机会，美团无论如何也是一个大厂，无论如何这个机会都是很难得的。在最后几个问题应该表现得更积极一些，不过可能是我性格原因不太会撒谎或者说隐藏自己的情绪吧，不过有利有弊吧，以后还是尽量多把握机会，有挑选的余地之后再去选择。