快手NLP算法校招面经
分享 SSP面试笔记 网站网友的面试经验，供B站的小伙伴参考：
23届的学长，受邀分享下自己的秋招面经，给SSP的学弟学妹们一些参考借鉴。
快手我是三面拿到了offer（不包括HR面），面试的过程大同小异，有些面试官侧重项目和论文，有的侧重于基础，整体问到的问题大概如下：
自我介绍
实习和实验室项目
论文发表，研究方向
对抗学习方案
训练过程有什么技巧
互学习是什么方法，有什么用
两个模型互学习，会不会互相输送错误信息，怎么解决
LSTM 和 RNN 的区别
为什么能解决梯度消失的问题
梯度消失问题是如何产生的
LSTM cell 设计与残差块的区别是什么
残差就能解决梯度消失的问题，为什么 LSTM 不直接设计为简单的残差块
交叉熵，KL 散度和 JS 散度的区别
过拟合问题是如何产生的，如何解决
L1 正则化和 L2 正则化有什么区别
为什么现在都用 L2 正则，很少用 L1 正则
算法题：链表相加；链表排序；非递归二叉树
反问
想要看更多的面经的话，可以来 SSP面试笔记 网站搜索~
