腾讯 · 腾讯营销-广告场景-流量主风控

风控算法工程师一面面经

完整信息

11 条问法 · 11 道题

本篇目录
6.5 周五晚被腾讯捞了,问我有offer吗,我说只有华子... 岗位:安全技术-风控算法方向 类型:应届实习 形式:远程面试 时长:约 50 分钟 整体感觉:面试官比较关注项目真实性、风控业务理解和基础代码能力,不是纯八股。 1.开场 先确认了一下岗位信息,然后让我简单自我介绍。 面试官根据简历确认了我之前做过市场监察实习,现在主要做 AI 应用开发相关内容(目标岗位)。 2.项目 让我挑一个自己做得比较好的项目重点讲。 我主要讲了 Agent 方向的项目,包括: Zero2Agent Claude Code 源码分析 SlidePilot:基于大模型 / Agent 自动生成 PPT,并自动校验展示效果,反复迭代直到版面基本无瑕疵 追问的问题大概有: 为什么要做 Zero2Agent? 这个系统主要解决什么问题? 做项目时遇到过哪些困难? 是真正实现了,还是只是网上资料整理? 从 Claude Code 源码分析里学到了哪些可复用的东西? 为什么这类代码 Agent 能做得比较好? 回答方向: 主要围绕 Agent 工程化、工具调用、任务拆解、上下文管理、执行验证这些点展开。面试官比较在意项目是否真实落地,以及自己到底做了哪些工作。 3.风控业务题 给了一个广告安全场景: 公众号、朋友圈、小程序、视频号里,广告被点击、曝光或转化越多,创作者/流量主收入越高,因此可能有人找黑产刷广告数据。 问题包括: 怎么识别作弊用户、作弊流量主和作弊创作者? 可以用哪些特征? 哪些特征是黑产比较绕不过去的? 拿到地理位置、WiFi 等信息后,怎么建模? 团伙模型怎么做? “相同或相近”怎么衡量? 回答方向: 用户侧:账号、设备、IP、行为频率、点击路径等。 流量主侧:点击率、转化率、流量来源是否异常。 团伙侧:账号和设备、IP、WiFi、地理位置、广告之间的关联图。 模型上可以说规则 + 机器学习模型 + 异常检测 + 图模型。 “相近”可以用地理距离、设备指纹相似度、WiFi 集合相似度、行为序列相似度等。 4.代码手撕 手撕了两道链表题,问了时间复杂度,需要讲解思路和代码。 相交链表 思路:双指针。 两个指针分别从两个链表出发,走到尾部后切换到另一个链表,最终会在交点相遇;如果不相交,会同时到 null。 复杂度: 时间:O(m+n) 空间:O(1) 合并两个有序链表 思路:用 dummy 虚拟头节点,两个指针依次比较,把较小节点接到结果链表后面,最后接上剩余部分。 复杂度: 时间:O(m+n) 空间:O(1) 5.反问 最后问我有没有问题。 可以问团队主要做哪些风控场景、实习生工作内容偏模型还是策略、有没有大模型安全或 AI 风控相关落地项目。 总结 整体难度中等,项目和风控场景问得比较多。建议提前准备一个能讲清楚背景、实现、难点和效果的项目,同时熟悉广告反作弊、异常检测、图建模这些基础思路。
本篇目录
  1. 01
  2. 02
  3. 03
  4. 04
  5. 05
  6. 06
  7. 07
  8. 08
    怎么识别作弊用户、作弊流量主和作弊创作者?可以用哪些特征?哪些特征是黑产比较绕不过去的?
  9. 09
  10. 10
  11. 11

相关公司