企业官网建设流程全解析

每年秋招季，算法岗都是内卷重灾区。前阵子帮学弟复盘笔试题，翻出自己当年存的爱奇艺2018秋季校招算法工程师（第二场）这套卷子，仔细看完之后还是觉得很有代表性——它的题型分布、难度梯度、以及考点的覆盖方式，几乎就是国内一线视频平台算法岗校招的典型样本。今天不聊虚的，就把这套卷子涉及的考点、我当年的解题思路、以及后来面其他大厂时反复验证过的复习路线一次性说清楚。

这篇文章适合两类人：一类是正在准备算法岗校招的应届生，尤其是目标锁定互联网视频、推荐、内容理解方向的朋友；另一类是已经工作几年、想回头补一补基础短板的工程师。我会尽量把每个考点背后的原理、出题人想考察的能力、以及实际笔试中容易翻车的细节全部摊开来讲。

1. 这套卷子的整体面貌：题型、难度与考察逻辑

1.1 试卷结构：从“看得懂”到“写得出”

爱奇艺这场算法工程师笔试，整体结构在国内大厂校招里属于比较标准的配置：选择题 + 编程题，部分场次还附带简答/设计题。第二场的选择题覆盖了数据结构、机器学习基础、概率统计，以及少量深度学习概念，编程题则集中在字符串处理、排序搜索、以及综合应用题。

这样设计的目的很明确：选择题负责快速筛掉基础不牢的候选人，编程题负责区分“背过概念”和“真能写代码”的人。很多同学复习时只盯着编程题猛刷，结果栽在选择题上——不是不会，而是概念理解得模棱两可。比如“KMP算法中next数组到底表示什么”，不同教材定义不同，题目里如果不注意细节，很容易选错。

1.2 难度梯度：不是每一道题都值得死磕

第二场的难度梯度是有层次的。前几道选择题基本是送分题，比如常见排序算法的时间复杂度、二叉树的遍历顺序，这类题只要基础扎实，读完题就能选。中间段位的题目开始出现组合：比如给定一个具体字符串让你算next数组，或者给一段机器学习场景让你判断适合用什么模型。真正拉开差距的是最后一两道编程题和设计题，往往需要结合数据结构加业务场景一起解，光会背模板不够，还得理解为什么这么做。

我的建议是：笔试时遇到难度较高的题，不要死磕。先跳过做后面的，把能拿的分拿满，回头再啃硬骨头。这不是妥协，而是策略——校招笔试是按点给分，一道题做出来80%和做出来100%，差距远小于一道题完全放弃和另一道题做出50%的差距。

2. 编程题拆解：从 next 数组到 TopK 问题的出题逻辑

2.1 KMP 与字符串处理：不是一个背板子的问题

这套卷子里有一道让人印象深刻的题：给定模式串 p = "abacaba"，要求计算其 next 数组。很多人看到这道题第一反应是“背过的模板拿出来套”，但实际动手算的时候才发现自己根本没理解 next 数组的定义。

这里先统一口径。常见的 next 数组定义为：next[i] 表示模式串 p[0...i-1] 这个前缀子串中，最长相等真前后缀的长度。注意“真前缀”和“真后缀”都不能等于整个子串本身。对于 p = "abacaba"，我们逐个位置算：

• 长度为 1 的前缀 "a"，最长相等真前后缀长度为 0，所以 next[1] = 0。
• 长度为 2 的前缀 "ab"，没有相等的前后缀，next[2] = 0。
• 长度为 3 的前缀 "aba"，前缀集合 {a, ab}，后缀集合 {a, ba}，最长公共元素 "a" 长度为 1，next[3] = 1。
• 长度为 4 的前缀 "abac"，前后缀无公共部分，next[4] = 0。
• 长度为 5 的前缀 "abaca"，公共部分只有 "a"，next[5] = 1。
• 长度为 6 的前缀 "abacab"，前两位 "ab" 和后两位 "ab" 相等，next[6] = 2。
• 长度为 7 的前缀 "abacaba"，前后缀最长公共部分为 "aba"，长度为 3，next[7] = 3。

如果初始化时令 next[0] = -1，那么完整的 next 数组就是 [-1, 0, 0, 1, 0, 1, 2, 3]。这道题表面考计算，实际考的是对 KMP 算法“跳转”机制的理解：当匹配失败时，模式串指针回退到 next 指向的位置，而不是从头开始，这正是 KMP 能保证 O(m+n) 时间复杂度的核心。

2.2 排序与 TopK：海量数据场景的常客

选择题里有一道典型的排序题：给定 n 个整数，找出其中最大的 K 个数，n 远大于内存容量。选项里给了快速排序全排、堆排序建堆、桶排序、以及快速选择。这道题考察的是“场景约束下的算法选择”。

如果 n 完全能装进内存，那 TopK 最常见的解法是维护一个大小为 K 的最小堆，遍历一遍数据，堆顶就是当前第 K 大的数，最终堆里就是前 K 大，时间复杂度 O(n log K)。但如果 n 远超内存，就要分片处理：把数据哈希到多个文件，每个文件分别求 TopK，最后归并这些 TopK 结果。

快速选择（QuickSelect）也能求 TopK，平均时间复杂度 O(n)，但问题在于它需要把数据整体加载到内存中做分区操作，在海量数据场景下并不适用。这就是出题人想看到的“场景化思维”——不是问你会不会堆排序，而是问你在大数据量下怎么选。

2.3 从图论到贪心：不常见的算法也可能突然出现

编程题里还出现过最短路径相关的题目，以及一道和图论相关的综合应用题。Dijkstra 是单源最短路径的经典算法，核心思想是贪心：每次从未确定最短路的节点中选距离最小的那个，用它对邻接节点做“松弛”操作。实现上如果用优先队列优化，时间复杂度可以做到 O(E log V)。

但这里有个容易忽略的细节：Dijkstra 要求所有边的权重为非负数，一旦出现负权边，算法就会失效。如果题目里出现负权边，应该想到 Bellman-Ford 或者 SPFA。这类题考的不是你会不会背 Dijkstra 的模板，而是你能不能识别出适用边界。

2.4 模拟退火与粒子群：知识面的“高台跳水”

有些同学看到“模拟退火”和“粒子群算法”出现在热搜词里，可能会慌。实际上在校招笔试里，这类算法更多以选择题或概念题形式出现，考察的是知识面和理解深度，而不是要求你在考场上手写实现。

模拟退火的核心是：在搜索过程中以一定概率接受比当前解更差的解，从而跳出局部最优。这个概率随着“温度”降低而减小。粒子群算法则是模拟鸟群觅食行为，每个粒子根据个体历史最优和全局历史最优更新自己的速度和位置。应对这类题，不需要把公式背得滚瓜烂熟，但至少要能说清楚“它属于启发式算法”“适用于组合优化问题”“和梯度下降的区别是什么”。

3. 机器学习基础：理论推导与业务直觉的双重考验

3.1 LR 与 SVM：为什么这两个模型年年必考

爱奇艺这场笔试的选择题里，逻辑回归（LR）和 SVM 几乎是必考。LR 表面上是分类模型，但本质上是在线性回归外面套了一个 sigmoid 函数，输出值代表样本属于正类的概率。它用交叉熵作为损失函数，而不是均方误差——原因很简单：如果用 MSE，损失函数关于参数的梯度含有 sigmoid 的导数项，在极值附近梯度趋近于 0，收敛极慢；而交叉熵配合 sigmoid 的推导可以刚好消掉求导后的非线性项，让梯度更新更直接。

SVM 的考点通常集中在核函数和软间隔。线性不可分的数据可以用核函数映射到高维空间，但核函数的选择是有讲究的：RBF 核适合大多数场景，但要对 gamma 参数做调参；线性核适合文本分类这类高维稀疏数据。软间隔则是引入松弛变量，允许部分样本被分错，这里的 C 参数控制了“误差容忍度”和“模型复杂度”的平衡。

3.2 从决策树到 GBDT：集成学习的核心考点

决策树的考点集中在特征选择准则：ID3 用信息增益，C4.5 用信息增益率，CART 用基尼系数。这个演进逻辑要搞清楚：信息增益偏向取值多的特征，信息增益率是对它的矫正，而基尼系数在计算上更高效。如果只背结论，不问原理，遇到“为什么 CART 用基尼系数而不用信息增益”这类问题就答不上来。

集成学习里，GBDT 和 XGBoost 的区分是高频考点。GBDT 的核心是加法模型加前向分步算法，每一棵树拟合的是前面所有树预测结果的负梯度（近似残差）。XGBoost 在它基础上做了三件关键事：目标函数做了二阶泰勒展开、加入了正则项（叶子节点数加叶子权重的 L2 范数）、支持列采样和并行化。很多同学会把随机森林和 GBDT 搞混，这里记住一句话：随机森林的树是独立的、可以并行训练，GBDT 的树是串行的、每一棵都依赖于前面的树。

3.3 聚类与降维：无监督学习最容易拿满分

K-Means 的选择题通常集中在初始中心点选择、K 值确定和算法收敛性。K-Means 对初始质心敏感，容易陷入局部最优，所以有了 K-Means++ 初始化策略。K 值通常用肘部法则结合业务场景确定。另一个常被拿来对比的是 DBSCAN，它基于密度聚类，能识别任意形状的簇，并且能自动处理离群点，不需要预先指定簇数。

降维部分主要考察 PCA 和 SVD 的关系。PCA 的本质是对协方差矩阵做特征值分解，取前 K 大特征值对应的特征向量构成投影矩阵；从 SVD 角度看，PCA 可以理解为对中心化后的数据矩阵做奇异值分解，右奇异向量就是主方向。这两者在数学上等价，但 SVD 在数值计算上更稳定，因此主流库底层往往用 SVD 实现 PCA。这类概念题不涉及手推，但理解了内在联系，选择题基本不会错。

3.4 评估指标与样本不均衡：业务题的前置知识

选择题里还出现过“正负样本比例 1:99，应该用什么评估指标”这样的问题。准确率（Accuracy）在这种场景下没有意义，因为模型全部预测成负类也能拿到 99% 的准确率。正确做法是看 AUC、F1、Recall、Precision 的组合。

AUC 的含义是随机取一对正负样本，正样本预测分数大于负样本的概率，它对样本不均衡不敏感，因此是排序场景的首选指标。F1 是 Precision 和 Recall 的调和平均，适合需要同时控制误报和漏报的场景。但要注意：F1 对阈值敏感，不同阈值下 F1 不同，所以实际工作中经常需要结合 PR 曲线去选择最优阈值。

3.5 推荐系统里的召回与排序：视频平台特有的业务题

爱奇艺是视频平台，算法岗笔试里出现推荐系统相关题目是必然的。第二场里有一道设计题，大意是“用户在视频 App 上的行为有播放、点赞、收藏、分享、看完、跳过，如何利用这些行为给用户推荐视频”。这里考察的是对召回和排序两阶段架构的理解。

召回阶段要解决的是“从千万级视频库里快速选出一批候选集”，常用的手段有：基于物品的协同过滤（ItemCF）、基于用户的协同过滤（UserCF）、以及向量化召回（把用户和视频映射到同一个向量空间，用内积或余弦相似度检索）。排序阶段则是把召回回来的几百个候选视频做精细化打分，常用的模型从 LR、FM 到 DeepFM、DIN 一路演进。FM 能自动学习特征的二阶交叉，DeepFM 在 FM 的基础上加了深度网络学习高阶特征交互，DIN 则引入了注意力机制，根据用户历史行为序列中与当前候选视频的相关性动态加权。

这道题还考察一个点：不同行为的重要度不同。完播和分享的权重显然高于快速划过，所以实际工程里通常会把行为按权重映射成不同的反馈值，再做加权聚合。如果只说“用协同过滤”却没有讲清楚行为怎么建模、权重怎么设计，分数不会高。

4. 深度学习与内容理解：视频平台的算法岗分水岭

4.1 从 Embedding 到特征交叉：深度学习模型的进化脉络

选择题里有一道关于 Embedding 的题：为什么 Word2Vec 训练出的词向量能够表征语义？答案的关键在于分布式假设——上下文相似的词，其向量在空间中也相近。这个思想后来被推广到推荐系统，就有了 Item2Vec：把用户的行为序列当作文本，视频当成“词”，用 Word2Vec 的方式训练出视频的向量表示，再用向量相似度做召回。

到了精排阶段，深度学习模型的核心工作变成了特征交叉。FM 是手动做二阶交叉，DeepFM 用 Wide 和 Deep 两个分支分别做低阶和高阶交叉。近两年大火的 DIN 模型则引入了注意力机制：用户在浏览不同商品/视频时，历史行为里不同 item 的权重应该是不同的，DIN 通过计算候选 item 与历史 item 的相似度来动态分配注意力权重。这些模型的演进逻辑，本质上都是在解决“如何更好地利用用户行为序列”这个问题。

4.2 视频内容理解：CNN 与序列模型的配合

视频平台算法工程师的另一大方向是内容理解。选择题里出现过一个场景：如何识别视频封面是否包含违规内容？经典做法是用 CNN 做图像分类，但这里有几个工程细节：视频封面是图像，可以用预训练好的 ResNet 提取特征，然后在上面接一个分类头做微调。如果数据量不够，可以做数据增强：随机裁剪、翻转、颜色抖动等。

对视频本身的内容理解就更复杂了。一段视频有时间维度，所以常用方案是 CNN + RNN/LSTM：CNN 提取每一帧的空间特征，RNN/LSTM 建模帧与帧之间的时序关系。近些年 Transformer 架构中的 Vision Transformer 也可以直接处理视频帧序列，但计算量更大。这套卷子不会考太深的模型细节，但面试官希望候选人能说清楚：“空间特征用什么模型提、时序依赖用什么建模、计算成本和精度怎么权衡”。

4.3 过拟合与训练技巧：面试中的高频问答

选择题里出现过“哪些方法可以防止过拟合”这道多选：L1/L2 正则化、Dropout、数据增强、早停（Early Stopping）、降低模型复杂度。全部都是正确答案，看起来简单，但很多同学只记住了名字，不知道底层机制。

L2 正则化让权重趋向于较小值，限制模型的表达能力；L1 正则化则更容易让部分权重变成 0，起到特征选择作用。Dropout 的原理是训练时随机丢弃一部分神经元，相当于训练了多个子网络的集成，测试时再恢复全部神经元并乘以保留概率。早停则是监控验证集指标，当指标不再提升时提前终止训练，避免模型在训练集上过度拟合。

5. 数学与工程功底：那些藏在角落里的“送命题”

5.1 概率统计：贝叶斯与参数估计的经典考法

选择题里有一道贝叶斯公式的应用题：某视频分类模型的准确率是 95%，在真实样本中某类视频的占比只有 1%，问模型预测为正且确实为正的概率是多少。这道题考察的是对先验概率、似然和全概率公式的综合运用。设 P(疾病) = 0.01，P(检测为阳|生病) = 0.95，P(检测为阳|未生病) = 0.05，则 P(生病|检测为阳) = (0.95 × 0.01) / (0.95 × 0.01 + 0.05 × 0.99) ≈ 16.1%。很多人凭直觉觉得 95% 的准确率很高，但算出来的结果却很反直觉。这正是贝叶斯公式的魅力：后验概率不仅依赖似然，还受先验的强烈影响。

参数估计方面，最大似然估计（MLE）和最大后验估计（MAP）的区别也是高频考点。MLE 认为参数是固定值，找能让似然函数最大的参数；MAP 则认为参数本身有先验分布，找的是后验概率最大的参数。当先验是高斯分布时，MAP 等价于加了 L2 正则化的 MLE；当先验是拉普拉斯分布时，等价于加了 L1 正则化。

5.2 最优化方法：从梯度下降到拟牛顿法

梯度下降系列是必考内容，常以选择题形式出现：批量梯度下降（BGD）、随机梯度下降（SGD）、小批量梯度下降（Mini-batch GD）的区别是什么。BGD 每轮要遍历全量数据，计算慢但方向稳定；SGD 每轮只用一个样本更新，方向震荡大但收敛速度快、能跳出局部最优；Mini-batch GD 是两者的折中，也是实际使用最多的方案。学习率在这个过程里起关键作用：太大会震荡不收敛，太小则收敛速度慢，所以有了学习率衰减、Adam 这类自适应学习率方法。

牛顿法是一个进阶考点。它利用二阶导数（Hessian 矩阵）信息来指导参数更新，收敛速度比梯度下降快，但计算二阶导的代价太高。拟牛顿法（如 BFGS、L-BFGS）用一阶导数的近似来逼近 Hessian 矩阵，兼顾了速度和精度。在机器学习面试里，能提到 L-BFGS 在 LR 模型训练中的应用，会是一个加分项。

5.3 算法之外：SQL、Linux、分布式的基本盘

校招笔试里经常出现一些看似“非算法”的题，但工程岗必须会。SQL 里最常考的是窗口函数，比如“按用户分组，取出每个用户播放时长最长的前三条视频记录”，用 ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY duration DESC) 就能搞定。Linux 里高频命令是 grep、awk、sed、top、free，以及查看 GPU 状态的 nvidia-smi。分布式方面，MapReduce 和 Spark 的基本思想要知道：map 阶段做映射和过滤，shuffle 阶段按 key 重新分发，reduce 阶段做聚合。海量 TopK 问题在 MapReduce 框架下怎么做，也是笔试经常结合编程题一起考察的点。

这些内容不偏不难，但覆盖面广，建议系统性过一遍基础知识，不要临时抱佛脚。

6. 三个月备战路线：从真题复盘到面试包装

6.1 阶段一：数据结构和基础算法打底（第1~4周）

第一个月的主线是把数据结构基础夯实。数组、链表、栈、队列、哈希表、二叉树、堆、图，每种结构都要熟练到“闭着眼睛能写出增删改查”的程度。排序算法里重点掌握快速排序、归并排序、堆排序的原理和实现，并能够手写推导它们的复杂度。字符串处理题至少要刷完 KMP、Trie 树、后缀数组三个经典主题。

刷题推荐 LeetCode 上的 Top 100 高频题，配合《剑指 Offer》把常考题型过一遍。每天保持 3~5 道题的节奏，先看题意独立思考 15 分钟，再对照题解分析自己的思路盲区。这个过程不追求快，追求的是建立“条件反射”：看到“数组里找第 K 大”能立刻想到堆、快速选择；看到“字符串匹配”能立刻想到 KMP、Boyer-Moore。

6.2 阶段二：机器学习和深度学习重点突破（第5~8周）

第二个月集中攻克机器学习基础。李航的《统计学习方法》前八章是必读内容：感知机、KNN、朴素贝叶斯、决策树、逻辑回归、SVM、AdaBoost、EM 算法。不需要把所有公式都手推一遍，但 LR、SVM、决策树的推导过程一定要能独立完成。与此同时，把 sklearn 里的常用模型都手动调一遍参数，加深对模型行为的理解。

深度学习部分，先弄懂反向传播的链式法则，再看经典的 CNN 结构（LeNet、AlexNet、VGG、ResNet），理解为什么 ResNet 要引入残差连接——解决深层网络梯度消失和退化问题。RNN/LSTM 至少要理解门控机制，推荐系统的经典论文（DeepFM、DIN、YouTube DNN）作为扩展阅读，重点看模型的输入输出设计和特征工程思路。

6.3 阶段三：项目复盘与面试模拟（第9~12周）

第三个月的任务是把手上的项目包装成“可面试”的状态。无论你是做过推荐系统、图像分类还是 NLP 项目，都要能回答清楚四个问题：项目要解决什么问题？为什么选择这个方案？过程中遇到什么困难？最终效果怎么评估？这个准备过程比刷题更重要，因为面试官主要根据简历提问，聊得深不深，直接决定你能否通过。

在这个阶段，每周安排 2~3 次模拟面试，找同学互相拷问。模拟时候就按真实的流程来：自我介绍、项目深挖、手撕代码、反问环节。手撕代码的题控制在 20~25 分钟一道，因为真实面试中一道题的时限就是这么长。写完之后自己 review 一遍，检查边界条件、空指针、溢出等问题。

6.4 实战细节：笔试过程中的时间分配与心态

最后说说笔试当天的策略。拿到卷子先花 3 分钟整体浏览一遍，标记出自己最有把握的题。切忌从第一题按顺序做到最后一题——万一第一道题就卡了，后面送分题都没时间做。我自己的节奏是：选择题控制在 30 分钟内完成，编程题先做会做的，最后再集中精力攻难题。每做完一道编程题，花 2 分钟跑几个边界测试用例：输入为空、只有一个元素、全是重复元素、数值最大最小，这些极端情况最容易暴露代码 bug。

心态上，遇到不会的题不要慌。校招笔试的容错率比你想象得高，很多公司笔试通过线并不苛刻，关键是做对基础题，再尽可能多拿步骤分。代码没完全写出来，但思路写在注释里，有些判卷人也会酌情给分。

另外想多提一句：如果笔试分多场，尽量选择参加最早的那一场。不是因为题目更简单，而是岗位 HC 充足，通过率相对有保障。到了后面几场，即使分数相同，竞争激烈程度也会不一样。当然，前提是你确实准备好了，不要为了“赶早场”而打无准备之仗。

6.5 避坑提醒：我见过太多人栽在这些细节上

第一个坑是选择题选项里的“陷阱描述”。比如“快速排序在所有情况下时间复杂度都是 O(n log n)”，这句话就是错的，因为当基准值选得不好时，快速排序会退化为 O(n²)。很多同学看到“快速排序”就想当然地选了正确，丢了分。第二个坑是编程题的时间复杂度要求：题目里 n 的范围如果是 10^5，O(n²) 的解法基本过不了，必须优化到 O(n log n) 或 O(n)。第三个坑是忘记处理数据溢出，尤其是涉及乘法运算时，要用 long 或更大范围的类型。

还有一个容易被忽略的点：笔试环境和你本地的 IDE 可能有差异。有些在线笔试系统不支持某些语言的高版本特性，比如新版 C++ 的 auto 或 Python 3.10+ 的 match 语句。提前去笔试平台熟悉环境，把输入输出的模板代码准备好，能省下不少时间。

写在最后：我复盘这套卷子的真实感受

这套卷子刷下来，我最强烈的感受是：爱奇艺第二场算法笔试真正想筛选的，不是谁见过更多偏门模型，而是谁能在有限时间内把基础问题写对、写稳、写得快。编程题考 KMP 的 next 数组，本质上是考察有没有理解匹配失败时指针如何跳转；设计题考视频推荐，本质上是在考察候选人有没有把用户行为转化成模型信号的工程直觉。

我自己当年备考时吃过最大的亏，就是花太多时间研究那些冷门算法，结果在最基础的数据结构题上翻了车。后来复盘发现，校招笔试的底层逻辑永远是“基础优先”：把 LeetCode 高频题吃透、把 LR/SVM/决策树推明白、把推荐系统从召回排序到特征工程的链路理清楚，这套卷子拿高分并不难。希望这篇复盘能帮你少走一些弯路。