Q1正确率 32%高难度
推荐系统中怎么解决召回与精排的目标不一致？
核心在于统一多阶段目标的评估口径。召回侧关注覆盖率和相关性，精排侧关注点击率或转化率，两者优化目标天然不同。实际做法是多任务学习共享Embedding，让召回也考虑精排目标；离线评估时统一看用户维度的人均曝光转化与长尾覆盖；线上通过A/B实验验证整体GMV或用户时长是否提升，而不是只看单阶段指标。
解析
考点：多阶段一致性。可用精排样本回流训练召回、统一多目标建模，并用一致性指标监控漏斗。常见失分：只谈精排模型改进。
岗位真题库算法字节跳动 · 算法岗更新于 2026-09-05
字节跳动 · 算法岗真题库
机器学习、深度学习与算法工程化高频题，覆盖搜索推荐与广告算法面试。
210 题 · 每周更新3,420 人已购
包含内容
- 机器学习 70 题
- 深度学习 60 题
- 算法工程化 50 题
- 行为面 30 题
内容试读
本题库平均正确率 34%试读 2 / 7 段
Q2正确率 35%高难度
模型在线上效果衰减，你会怎么排查？
我会按数据、特征、模型、链路四个维度排查。先看训练与线上特征的分布漂移，计算PSI和核心特征均值差异；再检查标签口径是否发生变化，比如转化归因窗口调整；然后对比新旧模型在同期样本上的离线AUC，判断是模型本身过时还是线上实现bug；最后排查服务链路的超时降级和特征缺失填充逻辑。
解析
考点：模型监控闭环。先看特征分布与数据管道，再看样本时效与穿越，最后评估重训周期与冷启动策略。常见失分：忽略特征穿越问题。
- Q3特征工程与实时特征构建专题
- Q4召回层：向量检索与近似最近邻优化
- Q5排序模型：Wide&Deep / DIN / DCN 拆解
- Q6冷启动与长尾问题工程解法
- Q7…… 共 210 题完整解析
剩余 5 项内容已加锁