第四范式2019校园招聘算法笔试题我前后复盘过很多遍。老实说这套题放在今天的AI算法岗校招里依然能打——它没有堆砌偏题怪题而是精准地踩在“算法工程师日常到底要会什么”这条线上。整理这份复盘时我刚结束秋招心态从“看到题目有点懵”到“回头看每道题都有迹可循”这个过程本身就是一次很扎实的查漏补缺。这篇内容适合三类人正在准备AI算法岗校招的同学、想检验自己基础是否扎实的初级工程师以及对算法面试套路感兴趣的产品和技术管理者。我会按“公司背景与笔试全貌 → 考察逻辑 → 典型算法题实战解析 → 机器学习/深度学习考点 → 备考路径”的顺序展开尽量把每道题的原理、推导、代码和踩坑点一次讲透。1. 项目概述第四范式算法笔试到底考什么1.1 公司背景与2019校招笔试定位第四范式是专注企业级AI平台的头部创业公司技术方向上非常重视AutoML、迁移学习、强化学习以及大规模机器学习系统的落地。2019年前后正值AI行业从“概念期”走向“落地期”算法岗的招聘标准也随之提高。从这套笔试题来看公司想筛选的不是“会背诵模型API”的调参侠而是具备扎实的算法功底、能把数学原理讲清楚、还能写一手干净代码的准工程师。当时笔试整体采用在线编程加客观题混合的形式。客观题覆盖概率统计、线性代数、机器学习基础编程题则集中在数据结构、字符串、动态规划和简单图论。整体难度比普通互联网大厂同类岗位要高一档但远没到竞赛题程度。关键在于每道题都要求你同时具备“理解原理”和“动手实现”两种能力缺一个都会卡壳。1.2 题型分布与核心考察面我根据回忆和多方印证把题型大致整理成下面这个表格题型覆盖范围典型考点占比参考客观题概率统计期望、方差、贝叶斯、采样25%客观题线性代数特征值、矩阵求导、SVD15%客观题机器学习基础偏差方差、过拟合、特征选择20%简答/推导算法原理LR推导、SVM核函数、GBDT/XGBoost15%编程题数据结构链表、栈、队列、堆10%编程题字符串与DPKMP、最长子序列、背包类15%这个分布说明了一个趋势算法岗笔试不再是单纯的“LeetCode刷题比赛”而是把数学基础、机器学习原理和代码能力混在一起综合打分。只刷题不够只啃书本也不够两边的功夫都得下到。2. 笔试考察逻辑拆解题目背后想筛选什么能力2.1 能力模型从题目反推岗位需求我当时做完这套题后最大的收获是第四范式的算法岗本质上需要三类能力闭环。第一类是快速原型验证能力。面试官给你一个业务问题你需要在最短时间内用合适的数据结构和算法把可行方案跑通。对应到笔试里就是那些看起来不复杂但边界条件很多的编程题。第二类是模型原理的深度理解能力。企业级AI平台要服务于金融、零售、制造等行业工程师不能只是调包你得清楚模型为什么有效、什么时候失效、怎么调整。所以笔试里会出现LR推导、SVM对偶问题这类“原理题”。第三类是数学和工程结合的能力。AutoML、迁移学习、超参数搜索这些第四范式的核心方向本质上是“最优化问题”加“工程系统”的组合。笔试里穿插的快速幂、梯度下降、概率计算都是在为这类工作打底。2.2 为什么这些题能筛出“真”算法工程师普通大厂的算法笔试往往偏重“会不会做题”而第四范式的题目更偏重“懂不懂为什么”。比如同样考KMP很多题目只要求返回匹配位置但这套题里出现了next数组的手工推导。手工推导本身没有难度但它能检验你是否真的理解“最长相等前后缀”这个核心概念。再比如考排序不会直接让你“快排写一下”而是混合考察复杂度、稳定性、常数因子和工程边界。这就把“背模板”的人筛掉了因为模板背得再熟不理解排序底层的数据移动逻辑遇到变体题还是会慌。我在准备阶段就是吃了这个亏后来老老实实把所有经典算法的原理手推了一遍才真正踏实下来。3. 典型算法题实战解析从KMP到动态规划3.1 KMP算法模式串pabacaba的next数组怎么算讲到这套笔试题绕不开KMP。KMP全称是Knuth-Morris-Pratt算法核心思想是当模式串与文本串在某处失配时不要从头再来而是利用模式串自身的重复结构把指针跳到合适的位置继续匹配。这里的“合适位置”就是通过next数组预先算出来的。题面要求对模式串p abacaba求next数组。这里的关键问题是next数组的定义有两种常见版本必须提前和出题人的习惯对齐。笔试中常见的定义是next[i]表示模式串前i个字符组成的子串中最长相等真前后缀的长度。注意“真前后缀”不能是子串本身。按照这个定义我们逐步计算i1子串是a没有真前后缀next[1]0。i2子串是ab前缀a后缀b不相等next[2]0。i3子串是aba前缀a等于后缀a长度1再看前缀ab和后缀ba不相等。所以next[3]1。i4子串是abac前缀a不等于后缀c前缀ab不等于后缀acnext[4]0。i5子串是abaca前缀a等于后缀a长度1前缀ab不等于后缀ca再往长的也不相等。所以next[5]1。i6子串是abacab前缀a等于后缀b不相等。前缀ab等于后缀ab长度2。所以next[6]2。i7子串是abacaba前缀a等于后缀a长度1前缀ab等于后缀ba不相等前缀aba等于后缀aba长度3。所以next[7]3。最终得到next [0, 0, 1, 0, 1, 2, 3]下标从1开始。如果有的教材采用next[i]表示“失配后跳转的位置”结果会整体差异。所以做笔试题时建议先在草稿纸上把定义写出来再按定义推。我后来自己写KMP时固定用下面的C实现逻辑清晰不容易乱#include vector #include string using namespace std; vectorint buildNext(const string p) { int m p.size(); vectorint next(m, 0); for (int i 1, j 0; i m; i) { while (j 0 p[i] ! p[j]) { j next[j - 1]; } if (p[i] p[j]) { j; } next[i] j; } return next; } int kmpSearch(const string s, const string p) { int n s.size(), m p.size(); if (m 0) return 0; vectorint next buildNext(p); for (int i 0, j 0; i n; i) { while (j 0 s[i] ! p[j]) { j next[j - 1]; } if (s[i] p[j]) { j; } if (j m) { return i - m 1; // 返回匹配起始位置 } } return -1; }这个实现里buildNext返回的数组next[i]表示“前i个字符的最长相等真前后缀长度”配合KMP主循环使用非常顺手。如果面试官问优化你还可以提到“针对连续相同字符的优化”当p[i] p[j]且下一个字符也相同时可以继续递归跳转避免无意义的比较。不过笔试一般不需要写优化版本。3.2 排序算法快排、堆排与桶排怎么选第四范式的笔试题里排序也是常客但不是单纯要求默写。它更爱考的是给定一个场景你会选哪种排序为什么。这背后考的是对时间复杂度的最坏情况、平均情况、空间复杂度、稳定性、常数因子和数据分布特征的全面理解。举一个典型的应用题海量数据比如上亿个整数中找Top-K内存不够装下全部数据。这时候你选什么排序答案是堆排序或快速选择。先用一个大小为K的最小堆遍历一遍数据每次和堆顶比较如果比堆顶大就替换并调整堆最后堆里就是最大的K个元素。时间复杂度是O(N log K)内存占用只有O(K)完美契合海量数据场景。这套题里提到堆排序算法大概率就是围绕这种场景展开。快速排序在笔试中的出场率也非常高但它有一个重要缺陷最坏情况退化成O(N^2)而且不是稳定排序。我在笔试时遇到过一道变体题要求把数组按“奇偶分离”且保持相对顺序最合适的其实是利用稳定排序的性质或者手写一个归并排序。这道题给我的教训是不能只会“背快排”要把每种排序的适用边界刻在脑子里。我整理了一张排序对比表备考时反复默写排序算法平均时间复杂度最坏时间复杂度空间复杂度稳定性冒泡排序O(N^2)O(N^2)O(1)稳定快速排序O(N log N)O(N^2)O(log N)不稳定归并排序O(N log N)O(N log N)O(N)稳定堆排序O(N log N)O(N log N)O(1)不稳定计数/桶排序O(NK)O(NK)O(K)稳定再来一个高频变体快速幂。考察点在于把a^b mod p的时间复杂度从O(b)降到O(log b)核心是二进制分解指数long long fastPow(long long a, long long b, long long mod) { long long res 1; a % mod; while (b 0) { if (b 1) { res res * a % mod; } a a * a % mod; b 1; } return res; }这道题在算法岗笔试里的出现频率极高因为它同时涉及位运算、数学公式和边界情况处理。我第一次写的时候忘了取模直接溢出后面再也不敢漏掉a % mod这一行。3.3 动态规划从最长公共子序列到空间优化动态规划是编程题里的压轴常客第四范式这套题也不例外。DP题目最怕的不是状态定义本身而是边界条件想不全或者复杂度太高过不了case。我在笔试中印象最深的一道是“最长公共子序列LCS”。经典的转移方程是dp[i][j] dp[i-1][j-1] 1 (s1[i] s2[j]) dp[i][j] max(dp[i-1][j], dp[i][j-1]) (s1[i] ! s2[j])如果直接开二维数组N5000时就是2500万int内存约100MB在线笔试系统很容易爆内存。这时候可以优化成滚动数组只需要两行。我在实战中常用一发优化过的写法#include vector #include string #include algorithm using namespace std; int lcs(const string a, const string b) { int n a.size(), m b.size(); vectorint dp(m 1, 0), prev(m 1, 0); for (int i 1; i n; i) { for (int j 1; j m; j) { if (a[i-1] b[j-1]) { dp[j] prev[j-1] 1; } else { dp[j] max(prev[j], dp[j-1]); } } swap(dp, prev); fill(dp.begin(), dp.end(), 0); } return prev[m]; }细节上要注意swap之后dp变成了旧的prev必须用fill清零否则下一轮会污染数据。这个坑我踩过一次后就养成了“每轮迭代前先把dp归零”的习惯。另一道常见DP题是“最长递增子序列”LIS用O(N log N)的贪心加二分来解。核心思路是维护一个数组tails其中tails[i]表示长度为i1的递增子序列的最小末尾元素。遍历每个数时用二分找到第一个大于等于它的位置替换掉。这种优化思路不只是为了应付笔试在实际处理序列数据时同样好用。3.4 概率与统计客观题期望、方差与贝叶斯第四范式作为AI公司概率统计在客观题里的占比不低。常规考点包括抛硬币n次正面期望与方差二项分布。从均值为0、方差为1的正态分布中采样样本均值服从什么分布。贝叶斯公式在垃圾邮件分类、假阳性检测中的应用。比如一道很经典的题某种疾病在人群中的患病率是1%检测方法的准确率是99%患病者检出率99%健康者误检率1%。检测结果为阳性问实际患病的概率是多少。答案不是99%而是大概50%。计算过程是P(患病|阳性) P(阳性|患病) * P(患病) / P(阳性) 0.99 * 0.01 / (0.99 * 0.01 0.01 * 0.99) 0.0099 / 0.0198 0.5这类题只要把公式列清楚基本不会错。真正容易丢分的是“二项分布方差”这种要背公式的小点。我的建议是备考时把这些公式整理成一张表每天过一遍考试时看到就能直接写出来。3.5 贪心与图论Dijkstra、堆与最短路径虽然第四范式的业务以机器学习为主但通用算法基础也是简历筛选后的硬门槛。笔试中偶尔会出现“单源最短路径”的变体题Dijkstra算法就是高频考点。Dijkstra的核心思想是“贪心”每次从未确定最短路的节点中找到距离最小的那个然后松弛它的邻边。配合优先队列实现复杂度为O((VE) log V)。笔试里常见的坑有两个。第一个图可能不连通要判断源头能不能到达目标节点第二个边权可能为负这时候Dijkstra直接失效得用Bellman-Ford或SPFA。我当时就在一道变体题里栽过跟头——题目图里存在负权边我却惯性用了Dijkstra结果一直WA。后来养成了习惯看到题先看“边权是否为负”再决定算法选型。4. 机器学习与深度学习的核心考点4.1 模型评估与过拟合一道必考题第四范式做企业级AI平台模型能不能在真实业务场景中稳定运行是公司最关心的问题。因此“过拟合”几乎是每次笔试必考的点。题目通常会这样问训练集准确率98%验证集准确率85%说明发生了什么怎么解决。答案分三层递进先识别问题是过拟合再说明检测方法学习曲线、K折交叉验证、训练/验证误差对比最后给出解决手段增加数据、正则化L1/L2、Dropout、早停、降低模型复杂度。L1和L2正则化的区别要能画图说明L1更容易产生稀疏解因为它在零点有“角”最优解更容易落在坐标轴上L2的解更平滑不会强制把参数压缩到零。这一点的直观理解是L1正则化项是菱形L2是圆形菱形和误差等高线的交点更容易出现在坐标轴上。这样解释能让面试官或阅卷人知道你不是背概念而是真的理解了几何意义。4.2 经典算法原理LR、SVM、决策树与XGBoost笔试里机器学习原理题通常是简答或推导题型固定想拿高分需要把每个算法的核心思路与适用场景讲清楚。逻辑回归LR是AI算法岗的“基础课”。笔试爱考的是写出LR的损失函数并推导梯度下降的更新公式。LR的损失函数是交叉熵J(w) -1/m * sum[ y_i * log(h(x_i)) (1 - y_i) * log(1 - h(x_i)) ]求梯度后得到简洁形式w : w - alpha * 1/m * sum[ (h(x_i) - y_i) * x_i ]这个形式非常优美梯度等于预测值与真实值之差乘以特征值。这种“误差乘以输入”的形态在神经网络反向传播中也能看到理解了LR的推导理解反向传播会顺很多。SVM的考点集中在“对偶问题”和“核函数”。核心原因是SVM的原始问题是一个带约束的凸优化问题通过拉格朗日对偶性转化成对偶问题后不仅能自然地引入核函数还能发现支持向量的稀疏性。核函数部分要能说出线性核、多项式核、RBF核各自的适用场景。RBF核相当于把数据映射到无限维空间能处理非线性分类但gamma参数过大容易过拟合。决策树越深入越有的可聊。从ID3的信息增益到C4.5的信息增益比再到CART的基尼系数要能说出每一步改进是为了解决什么问题。信息增益偏向选择取值较多的特征信息增益比做了归一化基尼系数计算更快。XGBoost在2019年相当火笔试里出现“xgboot算法”相关热搜词说明企业确实关心。XGBoost是GBDT的工程化加强版核心区别有三点一是目标函数加入正则项控制模型复杂度二是用二阶泰勒展开逼近损失函数比GBDT只用一阶梯度更精准三是在特征分裂时采用预排序和近似直方图算法来加速。能把这三点讲清楚这道题就稳了。4.3 聚类、KNN与异常检测的小题客观题中还会出现一些“贴脸”问题比如K-Means和KNN的区别。K-Means是无监督聚类算法目标是让簇内平方和最小KNN是有监督分类/回归算法通过多数投票或平均值做预测。这两个算法的名字很像但一个属于“聚类算法”一个属于“分类算法”别搞混。异常检测也是企业AI场景的常见需求金融风控、工业质检。常规方法有基于统计的Z-Score、基于密度的LOF、基于隔离树的Isolation Forest。笔试如果考到通常是概念辨析比如“Isolation Forest的核心思想是什么”——答案是异常点更容易被少量随机划分“孤立”出来所以路径长度短。4.4 AutoML与强化学习第四范式的特色延伸第四范式最出名的技术方向是AutoML。笔试题里不太会直接出“NAS怎么实现”但可能会有一道开放性问题“给你一个有标签的数据集如何自动化地选择模型和调参”这就要你具备基本的AutoML知识面搜索空间模型类型、网络深度、学习率、正则化系数、搜索策略网格搜索、随机搜索、贝叶斯优化、遗传算法、强化学习、评估策略K折交叉验证、早停。提到强化学习可能要答的是“强化学习与监督学习的区别”。监督学习需要独立同分布的标注数据强化学习通过智能体与环境交互利用奖励信号学习策略数据不是预先给定的而是由策略自己产生的。这个区别是算法岗面试里的高频题笔试中可能以简答形式出现。我建议准备这部分时不要死记硬背而是建立“AutoML本质是自动化地做决策”的心智模型超参数搜索本质上是一个优化问题可以用网格/随机/贝叶斯/进化/强化学习这些方法去解。理解了这一点换什么题目都能应对。5. 常见失分点与一套实用的备考路径5.1 时间分配失误导致的连锁反应我在模拟这套笔试题时最真实的感受是时间很紧。如果客观题做得太慢后面编程题会非常被动。一个比较靠谱的时间分配策略是先花3分钟浏览所有题目标记出“绝对会”和“不确定”的题客观题每道不超过1.5分钟不会的先跳过编程题先做“最熟”的题再啃难题。我见过不少人在选择题上为了一道“泊松分布方差”纠结五分钟结果最后编程题没时间写完这种损失很可惜。考试的目标是总分最大化不是每道题都做对。先确保容易拿的分拿到手这本身就是算法思想——贪心。5.2 容易忽略的边缘case与编码细节编程题最容易挂的不是算法设计而是边界条件。以下是我在这套题以及其他算法笔试里踩过的坑专门整理出来空数组和空字符串s.size() 0时函数应该返回什么。整数溢出int相乘可能溢出需要提前转long long。数组越界DP数组的第一行第一列要单独初始化。递归深度DFS递归过深会爆栈能改迭代就改迭代。输入格式笔试在线输入可能带空格和换行注意用cin 而不是getline处理不当时会多读空行。输出格式每个输出值之间加不加空格末尾允不允许多余空格这类细节是真的会扣分。我在一次模拟笔试里就因为多输出了一个空格被判WA后面再也不敢不重视输出格式。5.3 一个实用的刷题节奏如果你是准备算法岗笔试我建议按下面这个节奏走亲测有效第一阶段约1周把LeetCode Top 100高频题过一遍重点是数组、字符串、链表、栈、队列和哈希表。第二阶段约1周专项突破动态规划和贪心每天必须手写2道以上的DP题边写边画状态转移表。第三阶段约3天集中复习机器学习基础写一遍LR和SVM的推导整理过拟合、正则化、模型评估的笔记。第四阶段约2天做整套模拟题严格按照笔试的时间和环境来培养手感。这里我想特别强调“手写”两个字。看答案看懂了和自己在空白编辑器里从零写出来完全是两码事。我在准备阶段有个习惯每道题做两遍第一遍不看答案直接做第二遍过一周再重写看能不能靠记忆加理解写出来。第二遍还能流畅写出来的题才是真正掌握了。5.4 笔试之外的长期积累与其说这套笔试题是一次考核不如说它是一次对算法工程师核心能力的地图式扫描。我在复盘过程中发现自己最大的短板不是写代码而是“数学公式到代码的转换”。比如知道LR的梯度公式但要在代码里实现成循环和矩阵运算中间还隔着对向量化的理解。这需要平时多写、多推、多琢磨。最后再分享一个小技巧准备笔试时把你认为最核心的公式和代码片段整理成一个“速查文档”考试前半小时只看这个文档。它不需要大而全只需要包含那些你容易忘但又必考的内容比如KMP的next构建、快排的partition写法、LR梯度推导、LCS状态转移方程。我的这份速查文档在笔试当天帮了大忙进考场前默背一遍心里就有了底。
第四范式2019校招算法笔试复盘：KMP、动态规划与机器学习考点解析
第四范式2019校园招聘算法笔试题我前后复盘过很多遍。老实说这套题放在今天的AI算法岗校招里依然能打——它没有堆砌偏题怪题而是精准地踩在“算法工程师日常到底要会什么”这条线上。整理这份复盘时我刚结束秋招心态从“看到题目有点懵”到“回头看每道题都有迹可循”这个过程本身就是一次很扎实的查漏补缺。这篇内容适合三类人正在准备AI算法岗校招的同学、想检验自己基础是否扎实的初级工程师以及对算法面试套路感兴趣的产品和技术管理者。我会按“公司背景与笔试全貌 → 考察逻辑 → 典型算法题实战解析 → 机器学习/深度学习考点 → 备考路径”的顺序展开尽量把每道题的原理、推导、代码和踩坑点一次讲透。1. 项目概述第四范式算法笔试到底考什么1.1 公司背景与2019校招笔试定位第四范式是专注企业级AI平台的头部创业公司技术方向上非常重视AutoML、迁移学习、强化学习以及大规模机器学习系统的落地。2019年前后正值AI行业从“概念期”走向“落地期”算法岗的招聘标准也随之提高。从这套笔试题来看公司想筛选的不是“会背诵模型API”的调参侠而是具备扎实的算法功底、能把数学原理讲清楚、还能写一手干净代码的准工程师。当时笔试整体采用在线编程加客观题混合的形式。客观题覆盖概率统计、线性代数、机器学习基础编程题则集中在数据结构、字符串、动态规划和简单图论。整体难度比普通互联网大厂同类岗位要高一档但远没到竞赛题程度。关键在于每道题都要求你同时具备“理解原理”和“动手实现”两种能力缺一个都会卡壳。1.2 题型分布与核心考察面我根据回忆和多方印证把题型大致整理成下面这个表格题型覆盖范围典型考点占比参考客观题概率统计期望、方差、贝叶斯、采样25%客观题线性代数特征值、矩阵求导、SVD15%客观题机器学习基础偏差方差、过拟合、特征选择20%简答/推导算法原理LR推导、SVM核函数、GBDT/XGBoost15%编程题数据结构链表、栈、队列、堆10%编程题字符串与DPKMP、最长子序列、背包类15%这个分布说明了一个趋势算法岗笔试不再是单纯的“LeetCode刷题比赛”而是把数学基础、机器学习原理和代码能力混在一起综合打分。只刷题不够只啃书本也不够两边的功夫都得下到。2. 笔试考察逻辑拆解题目背后想筛选什么能力2.1 能力模型从题目反推岗位需求我当时做完这套题后最大的收获是第四范式的算法岗本质上需要三类能力闭环。第一类是快速原型验证能力。面试官给你一个业务问题你需要在最短时间内用合适的数据结构和算法把可行方案跑通。对应到笔试里就是那些看起来不复杂但边界条件很多的编程题。第二类是模型原理的深度理解能力。企业级AI平台要服务于金融、零售、制造等行业工程师不能只是调包你得清楚模型为什么有效、什么时候失效、怎么调整。所以笔试里会出现LR推导、SVM对偶问题这类“原理题”。第三类是数学和工程结合的能力。AutoML、迁移学习、超参数搜索这些第四范式的核心方向本质上是“最优化问题”加“工程系统”的组合。笔试里穿插的快速幂、梯度下降、概率计算都是在为这类工作打底。2.2 为什么这些题能筛出“真”算法工程师普通大厂的算法笔试往往偏重“会不会做题”而第四范式的题目更偏重“懂不懂为什么”。比如同样考KMP很多题目只要求返回匹配位置但这套题里出现了next数组的手工推导。手工推导本身没有难度但它能检验你是否真的理解“最长相等前后缀”这个核心概念。再比如考排序不会直接让你“快排写一下”而是混合考察复杂度、稳定性、常数因子和工程边界。这就把“背模板”的人筛掉了因为模板背得再熟不理解排序底层的数据移动逻辑遇到变体题还是会慌。我在准备阶段就是吃了这个亏后来老老实实把所有经典算法的原理手推了一遍才真正踏实下来。3. 典型算法题实战解析从KMP到动态规划3.1 KMP算法模式串pabacaba的next数组怎么算讲到这套笔试题绕不开KMP。KMP全称是Knuth-Morris-Pratt算法核心思想是当模式串与文本串在某处失配时不要从头再来而是利用模式串自身的重复结构把指针跳到合适的位置继续匹配。这里的“合适位置”就是通过next数组预先算出来的。题面要求对模式串p abacaba求next数组。这里的关键问题是next数组的定义有两种常见版本必须提前和出题人的习惯对齐。笔试中常见的定义是next[i]表示模式串前i个字符组成的子串中最长相等真前后缀的长度。注意“真前后缀”不能是子串本身。按照这个定义我们逐步计算i1子串是a没有真前后缀next[1]0。i2子串是ab前缀a后缀b不相等next[2]0。i3子串是aba前缀a等于后缀a长度1再看前缀ab和后缀ba不相等。所以next[3]1。i4子串是abac前缀a不等于后缀c前缀ab不等于后缀acnext[4]0。i5子串是abaca前缀a等于后缀a长度1前缀ab不等于后缀ca再往长的也不相等。所以next[5]1。i6子串是abacab前缀a等于后缀b不相等。前缀ab等于后缀ab长度2。所以next[6]2。i7子串是abacaba前缀a等于后缀a长度1前缀ab等于后缀ba不相等前缀aba等于后缀aba长度3。所以next[7]3。最终得到next [0, 0, 1, 0, 1, 2, 3]下标从1开始。如果有的教材采用next[i]表示“失配后跳转的位置”结果会整体差异。所以做笔试题时建议先在草稿纸上把定义写出来再按定义推。我后来自己写KMP时固定用下面的C实现逻辑清晰不容易乱#include vector #include string using namespace std; vectorint buildNext(const string p) { int m p.size(); vectorint next(m, 0); for (int i 1, j 0; i m; i) { while (j 0 p[i] ! p[j]) { j next[j - 1]; } if (p[i] p[j]) { j; } next[i] j; } return next; } int kmpSearch(const string s, const string p) { int n s.size(), m p.size(); if (m 0) return 0; vectorint next buildNext(p); for (int i 0, j 0; i n; i) { while (j 0 s[i] ! p[j]) { j next[j - 1]; } if (s[i] p[j]) { j; } if (j m) { return i - m 1; // 返回匹配起始位置 } } return -1; }这个实现里buildNext返回的数组next[i]表示“前i个字符的最长相等真前后缀长度”配合KMP主循环使用非常顺手。如果面试官问优化你还可以提到“针对连续相同字符的优化”当p[i] p[j]且下一个字符也相同时可以继续递归跳转避免无意义的比较。不过笔试一般不需要写优化版本。3.2 排序算法快排、堆排与桶排怎么选第四范式的笔试题里排序也是常客但不是单纯要求默写。它更爱考的是给定一个场景你会选哪种排序为什么。这背后考的是对时间复杂度的最坏情况、平均情况、空间复杂度、稳定性、常数因子和数据分布特征的全面理解。举一个典型的应用题海量数据比如上亿个整数中找Top-K内存不够装下全部数据。这时候你选什么排序答案是堆排序或快速选择。先用一个大小为K的最小堆遍历一遍数据每次和堆顶比较如果比堆顶大就替换并调整堆最后堆里就是最大的K个元素。时间复杂度是O(N log K)内存占用只有O(K)完美契合海量数据场景。这套题里提到堆排序算法大概率就是围绕这种场景展开。快速排序在笔试中的出场率也非常高但它有一个重要缺陷最坏情况退化成O(N^2)而且不是稳定排序。我在笔试时遇到过一道变体题要求把数组按“奇偶分离”且保持相对顺序最合适的其实是利用稳定排序的性质或者手写一个归并排序。这道题给我的教训是不能只会“背快排”要把每种排序的适用边界刻在脑子里。我整理了一张排序对比表备考时反复默写排序算法平均时间复杂度最坏时间复杂度空间复杂度稳定性冒泡排序O(N^2)O(N^2)O(1)稳定快速排序O(N log N)O(N^2)O(log N)不稳定归并排序O(N log N)O(N log N)O(N)稳定堆排序O(N log N)O(N log N)O(1)不稳定计数/桶排序O(NK)O(NK)O(K)稳定再来一个高频变体快速幂。考察点在于把a^b mod p的时间复杂度从O(b)降到O(log b)核心是二进制分解指数long long fastPow(long long a, long long b, long long mod) { long long res 1; a % mod; while (b 0) { if (b 1) { res res * a % mod; } a a * a % mod; b 1; } return res; }这道题在算法岗笔试里的出现频率极高因为它同时涉及位运算、数学公式和边界情况处理。我第一次写的时候忘了取模直接溢出后面再也不敢漏掉a % mod这一行。3.3 动态规划从最长公共子序列到空间优化动态规划是编程题里的压轴常客第四范式这套题也不例外。DP题目最怕的不是状态定义本身而是边界条件想不全或者复杂度太高过不了case。我在笔试中印象最深的一道是“最长公共子序列LCS”。经典的转移方程是dp[i][j] dp[i-1][j-1] 1 (s1[i] s2[j]) dp[i][j] max(dp[i-1][j], dp[i][j-1]) (s1[i] ! s2[j])如果直接开二维数组N5000时就是2500万int内存约100MB在线笔试系统很容易爆内存。这时候可以优化成滚动数组只需要两行。我在实战中常用一发优化过的写法#include vector #include string #include algorithm using namespace std; int lcs(const string a, const string b) { int n a.size(), m b.size(); vectorint dp(m 1, 0), prev(m 1, 0); for (int i 1; i n; i) { for (int j 1; j m; j) { if (a[i-1] b[j-1]) { dp[j] prev[j-1] 1; } else { dp[j] max(prev[j], dp[j-1]); } } swap(dp, prev); fill(dp.begin(), dp.end(), 0); } return prev[m]; }细节上要注意swap之后dp变成了旧的prev必须用fill清零否则下一轮会污染数据。这个坑我踩过一次后就养成了“每轮迭代前先把dp归零”的习惯。另一道常见DP题是“最长递增子序列”LIS用O(N log N)的贪心加二分来解。核心思路是维护一个数组tails其中tails[i]表示长度为i1的递增子序列的最小末尾元素。遍历每个数时用二分找到第一个大于等于它的位置替换掉。这种优化思路不只是为了应付笔试在实际处理序列数据时同样好用。3.4 概率与统计客观题期望、方差与贝叶斯第四范式作为AI公司概率统计在客观题里的占比不低。常规考点包括抛硬币n次正面期望与方差二项分布。从均值为0、方差为1的正态分布中采样样本均值服从什么分布。贝叶斯公式在垃圾邮件分类、假阳性检测中的应用。比如一道很经典的题某种疾病在人群中的患病率是1%检测方法的准确率是99%患病者检出率99%健康者误检率1%。检测结果为阳性问实际患病的概率是多少。答案不是99%而是大概50%。计算过程是P(患病|阳性) P(阳性|患病) * P(患病) / P(阳性) 0.99 * 0.01 / (0.99 * 0.01 0.01 * 0.99) 0.0099 / 0.0198 0.5这类题只要把公式列清楚基本不会错。真正容易丢分的是“二项分布方差”这种要背公式的小点。我的建议是备考时把这些公式整理成一张表每天过一遍考试时看到就能直接写出来。3.5 贪心与图论Dijkstra、堆与最短路径虽然第四范式的业务以机器学习为主但通用算法基础也是简历筛选后的硬门槛。笔试中偶尔会出现“单源最短路径”的变体题Dijkstra算法就是高频考点。Dijkstra的核心思想是“贪心”每次从未确定最短路的节点中找到距离最小的那个然后松弛它的邻边。配合优先队列实现复杂度为O((VE) log V)。笔试里常见的坑有两个。第一个图可能不连通要判断源头能不能到达目标节点第二个边权可能为负这时候Dijkstra直接失效得用Bellman-Ford或SPFA。我当时就在一道变体题里栽过跟头——题目图里存在负权边我却惯性用了Dijkstra结果一直WA。后来养成了习惯看到题先看“边权是否为负”再决定算法选型。4. 机器学习与深度学习的核心考点4.1 模型评估与过拟合一道必考题第四范式做企业级AI平台模型能不能在真实业务场景中稳定运行是公司最关心的问题。因此“过拟合”几乎是每次笔试必考的点。题目通常会这样问训练集准确率98%验证集准确率85%说明发生了什么怎么解决。答案分三层递进先识别问题是过拟合再说明检测方法学习曲线、K折交叉验证、训练/验证误差对比最后给出解决手段增加数据、正则化L1/L2、Dropout、早停、降低模型复杂度。L1和L2正则化的区别要能画图说明L1更容易产生稀疏解因为它在零点有“角”最优解更容易落在坐标轴上L2的解更平滑不会强制把参数压缩到零。这一点的直观理解是L1正则化项是菱形L2是圆形菱形和误差等高线的交点更容易出现在坐标轴上。这样解释能让面试官或阅卷人知道你不是背概念而是真的理解了几何意义。4.2 经典算法原理LR、SVM、决策树与XGBoost笔试里机器学习原理题通常是简答或推导题型固定想拿高分需要把每个算法的核心思路与适用场景讲清楚。逻辑回归LR是AI算法岗的“基础课”。笔试爱考的是写出LR的损失函数并推导梯度下降的更新公式。LR的损失函数是交叉熵J(w) -1/m * sum[ y_i * log(h(x_i)) (1 - y_i) * log(1 - h(x_i)) ]求梯度后得到简洁形式w : w - alpha * 1/m * sum[ (h(x_i) - y_i) * x_i ]这个形式非常优美梯度等于预测值与真实值之差乘以特征值。这种“误差乘以输入”的形态在神经网络反向传播中也能看到理解了LR的推导理解反向传播会顺很多。SVM的考点集中在“对偶问题”和“核函数”。核心原因是SVM的原始问题是一个带约束的凸优化问题通过拉格朗日对偶性转化成对偶问题后不仅能自然地引入核函数还能发现支持向量的稀疏性。核函数部分要能说出线性核、多项式核、RBF核各自的适用场景。RBF核相当于把数据映射到无限维空间能处理非线性分类但gamma参数过大容易过拟合。决策树越深入越有的可聊。从ID3的信息增益到C4.5的信息增益比再到CART的基尼系数要能说出每一步改进是为了解决什么问题。信息增益偏向选择取值较多的特征信息增益比做了归一化基尼系数计算更快。XGBoost在2019年相当火笔试里出现“xgboot算法”相关热搜词说明企业确实关心。XGBoost是GBDT的工程化加强版核心区别有三点一是目标函数加入正则项控制模型复杂度二是用二阶泰勒展开逼近损失函数比GBDT只用一阶梯度更精准三是在特征分裂时采用预排序和近似直方图算法来加速。能把这三点讲清楚这道题就稳了。4.3 聚类、KNN与异常检测的小题客观题中还会出现一些“贴脸”问题比如K-Means和KNN的区别。K-Means是无监督聚类算法目标是让簇内平方和最小KNN是有监督分类/回归算法通过多数投票或平均值做预测。这两个算法的名字很像但一个属于“聚类算法”一个属于“分类算法”别搞混。异常检测也是企业AI场景的常见需求金融风控、工业质检。常规方法有基于统计的Z-Score、基于密度的LOF、基于隔离树的Isolation Forest。笔试如果考到通常是概念辨析比如“Isolation Forest的核心思想是什么”——答案是异常点更容易被少量随机划分“孤立”出来所以路径长度短。4.4 AutoML与强化学习第四范式的特色延伸第四范式最出名的技术方向是AutoML。笔试题里不太会直接出“NAS怎么实现”但可能会有一道开放性问题“给你一个有标签的数据集如何自动化地选择模型和调参”这就要你具备基本的AutoML知识面搜索空间模型类型、网络深度、学习率、正则化系数、搜索策略网格搜索、随机搜索、贝叶斯优化、遗传算法、强化学习、评估策略K折交叉验证、早停。提到强化学习可能要答的是“强化学习与监督学习的区别”。监督学习需要独立同分布的标注数据强化学习通过智能体与环境交互利用奖励信号学习策略数据不是预先给定的而是由策略自己产生的。这个区别是算法岗面试里的高频题笔试中可能以简答形式出现。我建议准备这部分时不要死记硬背而是建立“AutoML本质是自动化地做决策”的心智模型超参数搜索本质上是一个优化问题可以用网格/随机/贝叶斯/进化/强化学习这些方法去解。理解了这一点换什么题目都能应对。5. 常见失分点与一套实用的备考路径5.1 时间分配失误导致的连锁反应我在模拟这套笔试题时最真实的感受是时间很紧。如果客观题做得太慢后面编程题会非常被动。一个比较靠谱的时间分配策略是先花3分钟浏览所有题目标记出“绝对会”和“不确定”的题客观题每道不超过1.5分钟不会的先跳过编程题先做“最熟”的题再啃难题。我见过不少人在选择题上为了一道“泊松分布方差”纠结五分钟结果最后编程题没时间写完这种损失很可惜。考试的目标是总分最大化不是每道题都做对。先确保容易拿的分拿到手这本身就是算法思想——贪心。5.2 容易忽略的边缘case与编码细节编程题最容易挂的不是算法设计而是边界条件。以下是我在这套题以及其他算法笔试里踩过的坑专门整理出来空数组和空字符串s.size() 0时函数应该返回什么。整数溢出int相乘可能溢出需要提前转long long。数组越界DP数组的第一行第一列要单独初始化。递归深度DFS递归过深会爆栈能改迭代就改迭代。输入格式笔试在线输入可能带空格和换行注意用cin 而不是getline处理不当时会多读空行。输出格式每个输出值之间加不加空格末尾允不允许多余空格这类细节是真的会扣分。我在一次模拟笔试里就因为多输出了一个空格被判WA后面再也不敢不重视输出格式。5.3 一个实用的刷题节奏如果你是准备算法岗笔试我建议按下面这个节奏走亲测有效第一阶段约1周把LeetCode Top 100高频题过一遍重点是数组、字符串、链表、栈、队列和哈希表。第二阶段约1周专项突破动态规划和贪心每天必须手写2道以上的DP题边写边画状态转移表。第三阶段约3天集中复习机器学习基础写一遍LR和SVM的推导整理过拟合、正则化、模型评估的笔记。第四阶段约2天做整套模拟题严格按照笔试的时间和环境来培养手感。这里我想特别强调“手写”两个字。看答案看懂了和自己在空白编辑器里从零写出来完全是两码事。我在准备阶段有个习惯每道题做两遍第一遍不看答案直接做第二遍过一周再重写看能不能靠记忆加理解写出来。第二遍还能流畅写出来的题才是真正掌握了。5.4 笔试之外的长期积累与其说这套笔试题是一次考核不如说它是一次对算法工程师核心能力的地图式扫描。我在复盘过程中发现自己最大的短板不是写代码而是“数学公式到代码的转换”。比如知道LR的梯度公式但要在代码里实现成循环和矩阵运算中间还隔着对向量化的理解。这需要平时多写、多推、多琢磨。最后再分享一个小技巧准备笔试时把你认为最核心的公式和代码片段整理成一个“速查文档”考试前半小时只看这个文档。它不需要大而全只需要包含那些你容易忘但又必考的内容比如KMP的next构建、快排的partition写法、LR梯度推导、LCS状态转移方程。我的这份速查文档在笔试当天帮了大忙进考场前默背一遍心里就有了底。
