快手 AI / 算法怎么准备
快手算法面试常问短视频和直播：完播不等于价值，多样性防止信息茧，直播匹配要实时。
五题覆盖完播、多样性、直播、编码和生态。用你的视频或匹配项目答。
快手怎么面算法
- 时长和完播的坑要能讲。
- 直播实时特征延迟。
- 准备下沉网络对训练的影响。
面试阶段与知识点
第一批不把每个阶段拆成独立 URL，避免程序化重复页。阶段对应下面的题，练完再用模拟面试串起来。
- 完播：时长。
- 多样性：茧房。
- 直播：实时。
- 生态：作者。
值得开口练的题
每题给考察点、思路、结构化参考答案和追问。参考答案用来组织语言，面试时必须换成你自己的项目事实。
优化完播会不会导致越推越短的视频？
考察点
- 指标博弈
- 时长分桶
- 价值
回答思路
完播率对短视频天然友好，需按时长分桶评估并引入有效观看时长，防止指标博弈。
结构化参考答案
- 指标上按时长分桶看完播与有效观看时长，引入引战低质惩罚，作者侧监控创作意愿与供给长度分布。
- 方法上优化目标加入时长价值项或分桶加权，识别刷完播行为并从训练样本降权。
- 工程上指标变更走实验对照并可回滚，防止为抬完播牺牲长视频与优质供给。
- 有效性以分桶 A/B 中长视频曝光未系统性下降、有效观看时长同向提升，证明指标未被人为博弈。
面试官可能追问
- 如何定义有效？
- 长视频如何保护？
- 如何发现指标被刷？
如何增加多样性而不让用户觉得「乱」？
考察点
- 配额
- 上下文
- 负反馈
回答思路
多样性在 main 兴趣内有配额，跨兴趣小步试探，刚负反馈的类目进入冷却期。
结构化参考答案
- 指标上看会话内重复率、跨类目曝光占比与用户负反馈，多样性不与低质混为一谈。
- 方法上主兴趣内 MMR 或配额多样，跨兴趣小流量试探，新兴趣用 bandit 分配并设上限。
- 工程上重排延迟在链路预算内，个性化关闭时回退规则多样，策略灰度可回滚。
- 有效性以重复率下降而会话时长与负反馈未劣化的实验，证明多样性提升了直播与短视频生态健康。
面试官可能追问
- 如何防止多样性变成低质？
- 新兴趣如何试？
- 个性化关闭怎么办？
直播推荐如何用实时在线人数，又不怕延迟特征？
考察点
- 实时
- 过期
- 平滑
回答思路
实时人数特征必须带时间戳，过期则降级或平滑，峰值抖动需过滤，并监控特征新鲜度。
结构化参考答案
- 样本上统计人数特征的到达延迟分布，定义超过 N 秒视为过期，分房间类型看偏差。
- 方法上带时间戳的在线人数入模，过期降级为历史平滑值或剔除，封禁房间秒级下线特征。
- 工程上防刷人气与延迟 ten 秒内的可用性边界要写清，特征管道故障时自动回滚到无该特征版本。
- 有效性以特征新鲜度监控与直播 CTR/停留对照实验，证明实时信号增益大于延迟带来的偏差风险。
面试官可能追问
- 房间突然封禁如何秒级下线？
- 如何防刷人气？
- 延迟 10s 是否仍可用？
给定观看序列，如何计算会话内重复率？
考察点
- 窗口
- 作者
- 内容
回答思路
定义重复键为内容 ID 或作者 ID，在会话窗口内计重复曝光占比，处理空会话边界。
结构化参考答案
- 样本上明确会话切分规则与窗口长度，广告曝光是否计入分母需与产品口径一致。
- 方法上按内容或作者键统计窗口内重复次数除以总曝光，连续重复与间隔重复可分开报。
- 工程上支持在线滑动窗口打点，乱序事件按水位线修正，结果可用于多样性策略触发。
- 有效性以手工标注会话对照与线上打点重算一致，证明重复率指标可驱动多样性策略验证。
面试官可能追问
- 连续重复和间隔重复是否一样？
- 广告算不算？
- 如何实时算？
头部作者占满推荐，新作者起不来，你怎么推动？
考察点
- 配额
- 生态
- 收入
回答思路
给新作者曝光下限与生态指标，小流量证明不伤主指标后再放量，并防刷新号。
结构化参考答案
- 指标上同时看新作者曝光占比、留存供给与头部作者收入，生态健康与商业指标双看板。
- 方法上设新作者冷启动配额与质量门槛，小流量实验验证对完播与时长无显著伤害后再扩。
- 工程上刷新号检测与配额回收机制就绪，策略变更可回滚，头部作者反对时有数据支撑。
- 有效性以新作者成材率提升而主指标未劣化的分层实验，证明生态干预可验证且可逆。
面试官可能追问
- 头部作者反对怎么办？
- 如何定义新？
- 失败如何停？
和岗位、模拟面试一起用
资料管理里保存目标岗位 JD，模拟面试会按简历出题。点题目下的按钮会把本题带进模拟开场，仍需先绑定简历与岗位。