1. 卷B的整体画像题型、时间和考察重点2023届校招季B站算法方向的笔试试卷分成了A、B两个版本。很多同学看到卷B第一反应是B卷是不是比A卷难或者反过来觉得B卷是备胎卷。我在实际刷题和复盘中发现分卷的逻辑没那么玄乎更多是为了防止题目泄露和同场考试作弊难度系数并不存在明显倾斜。真正拉开差距的是卷子里埋的那些看着面熟、一做就错的细节。从题型结构来看卷B大致分为三个部分单选/多选题、简答题部分批次有和编程题。整体时长一般是120分钟题量在30到35道选择题加3道编程题左右。选择题覆盖数据结构、算法设计、机器学习基础和少量深度学习概念编程题则围绕经典算法展开三道题通常对应简单、中等、偏难三个梯度。需要特别说明的是不同批次、不同岗位推荐算法、内容理解、NLP方向的卷面可能略有差异但核心考点高度集中在热搜词里那些高频算法上——KMP、堆排序、贪心、动态规划、二分图匹配等全都是大厂笔试的常客。这里建议准备阶段先明确投递岗位的方向。B站算法岗不只是推荐算法还有视频理解、弹幕分析、搜索排序等方向。卷B的题目虽然不区分岗位但你在复习时的重心应该结合岗位来调整。比如投视频理解方向就可以多花点时间看CNN、图像特征提取相关的基础题投推荐方向就重点准备特征工程和排序损失相关的内容。笔试不是终点而是筛选起点它的目标不是让你拿满分而是在两小时内尽量稳定输出把会做的题全做对。1.1 卷A和卷B的分工逻辑我见过不少同学在备考群里争论卷A难还是卷B难实际上两个版本的题库是同一套核心考点库随机抽题的。B站的笔试系统会把题库里的题目按照难度、知识点打散然后随机拼成A卷和B卷。也就是说你可能在B卷遇到一道A卷同学没有遇到的KMP变形题这完全取决于抽题运气和卷号本身没有必然关系。不过卷B有一个容易被忽略的特点因为它是后生成的备用卷部分题目的表述方式可能不像A卷那么直白。比如同样考贪心算法A卷可能直接给一个区间调度问题让你选贪心策略B卷可能会包装成一个视频推荐场景中的资源分配问题。这不是刻意刁难而是题库里本来就是这么设计的。所以复习时不能光背结论要看懂题目的本质模型把场景化的描述翻译成算法问题。1.2 笔试环境的那些隐性要求笔试是线上进行的这里有一个很多应届生会踩的坑环境准备。B站用的在线笔试平台一般支持本地IDE调试后再粘贴代码但前提是你提前把环境测好。摄像头监控、屏幕录制、浏览器切屏检测这些环节每年都有人因为无意间切出浏览器被警告甚至取消成绩。我的建议是提前用一个闲置的浏览器专门跑笔试关掉所有消息通知把微信、钉钉、QQ全部退出登录。手机放到拿不到的位置因为部分平台的防作弊规则要求手机处于监控视频范围内但又不能使用。另外要提醒的是虽然平台支持多种语言提交但在算法笔试中Python和C/Java的选择会直接影响你的做题速度。B站的判题系统对Python的时间限制通常比C宽松一些但并非常规保证。我习惯用Python打表找思路、用C提交最终代码但如果只擅长一门语言就老老实实用熟练度最高的那门不要在笔试现场尝试换语言。2. 经典算法选择题从KMP到堆排序的考点复盘选择题部分是卷B拿分的基础盘也是很多人口中送分题的重灾区。为什么说是重灾区因为选择题考查的往往不是你会不会写代码而是对算法细节的记忆和敏感度。一个算法你能写出正确代码不等于你能清楚说出它失败时回溯几步、空间复杂度是O(1)还是O(n)、排序算法是否稳定。下面这些高频考点是备考时反复出现的。2.1 KMP算法与next数组的计算热搜词里有一条非常具体的在KMP算法中对于模式串pabacaba其next数组。这个知识点几乎每场笔试都会出现要么直接考next数组计算要么考匹配过程中的移动次数。我在刷题群里看到不少同学栽在这里原因是对next数组的定义没有统一。这里先明确一件事next[i]在不同教材里有两种定义一种表示前缀和后缀的最长公共长度另一种表示失配后跳转的位置。B站笔试卷B里如果给出了next[i]定义为...的说明就以题目说明为准如果没给就要从选项里反推它采用的是哪种定义。以模式串pabacaba为例计算前缀函数PMT版本next[0] 0单个字符没有真前缀和真后缀next[1] 1前缀ab的真前缀为a真后缀为b不匹配最长公共真前后缀长度为0注意此时长度为1的子串a不能算因为真前缀/真后缀不能等于整个子串但实际上很多教材对ab取next值是0next[2] 1前缀aba中真前缀a等于真后缀anext[3] 2前缀abac中ab等于ac吗不a等于c吗不所以是0等等这里要小心我重新写一下。模式串abacaba的各个前缀前缀1: a前缀2: ab前缀3: aba前缀4: abac前缀5: abaca前缀6: abacab前缀7: abacaba逐个求最长公共真前后缀长度很多教材称为next数组注意下标从0开始还是从1开始有差异a0ab0aba1a aabac0abaca1a aabacab2ab ababacaba3aba aba所以按这种定义next数组是[0,0,1,0,1,2,3]。如果题目要求下标从1开始且next[1]0则需要移位得到[?,0,0,1,0,1,2,3]这样的形式。这就是为什么很多同学对答案发现差一位——不是算错了是定义不同。考试中的技巧是先把候选答案里最可能的定义确定下来再快速手算验证。手算时可以只算前三个和后三个不需要全算因为选择题往往可以通过排除法缩小范围。2.2 排序算法的稳定性和复杂度辨析排序算法在卷B里的出现率几乎百分之百但考查方式比较固定给一个具体场景问选哪种排序最合适或者给几个复杂度对错的判断。我在整理往年题目时发现最容易混淆的是快排和堆排序的稳定性。稳定性指的是相等元素的相对顺序在排序前后保持不变。快排是不稳定的因为分区交换可能改变相对位置归并排序是稳定的堆排序是不稳定的插入排序和冒泡排序是稳定的。很多同学只记住了快排不稳定但遇到堆排序是否稳定反而犹豫。这里给一个联想记忆法凡是排序过程中元素会跳来跳去的基本都不稳定比如快排交换跨过了多个位置堆排的堆调整会把最后元素换到堆顶。而插入、冒泡、归并都是相邻元素或局部区间的有序合并相等元素的相对顺序不会被破坏。复杂度方面堆排序和归并排序在所有情况下的时间复杂度都是O(n log n)快排最坏是O(n²)但平均是O(n log n)。选择题如果问最坏情况下时间复杂度最小的排序算法那就是堆排序和归并排序二选一如果问额外空间复杂度为O(1)的稳定排序经典答案是没有——因为归并需要O(n)额外空间而堆排虽然O(1)空间但不稳定。这种题没有刁钻纯粹考基本功。2.3 贪心和动态规划的界定卷B的选择题里经常出现以下哪个问题适合用贪心算法解决或者动态规划的核心特征是什么。这类题失分的原因不是概念不懂而是选项里总有一个看起来像贪心但实际需要动态规划的干扰项。判定贪心算法能不能用的方式是看贪心选择性质和最优子结构。说得直白一点每一步做出当前看起来最好的选择就能得到全局最优解那就适合贪心如果当前选择会影响后续选择局部最优组合出不了全局最优就要考虑动态规划。一个常见的对比例子是硬币找零问题。如果硬币面额是1、5、11要凑15元贪心算法会先取11再取4个1共5枚但最优解是3个5共3枚。这就是贪心失效的场景。换成面额体系是1、5、10、25的美元硬币贪心选择又成立。所以选择题只要出现硬币找零背包区间这些关键词先别急着选贪心看清楚面额或限制条件再判断。3. 编程题实战拆解状态设计比AC更重要编程题是卷B中最能拉开差距的部分也是判卷时最看重代码质量的题目。三道题的时间分配如果失衡很容易出现第一题写太久、第三题没时间看的局面。下面我按实际考试中遇到的题目类型拆解一下思路重点不是背代码而是建立从读题到AC的完整链路。3.1 送分题的拿分姿势第一道编程题通常是基础数据结构题难度接近LeetCode简单题到中等题的过渡区间。常见类型包括字符串处理、数组操作、栈和队列的模拟。这道题的目标是稳拿全分所以不要刻意炫技。我印象比较深的一道题是模拟括号匹配扩展版给定一个只包含()[]{}的字符串判断是否有效。多数人会直接用栈但题目会加一个限制——字符串长度最大是10^6这就意味着递归写法或O(n²)的字符串替换法会超时。正确思路是顺序扫描遇到左括号入栈遇到右括号检查栈顶是否匹配。边界条件是字符串可能为空、可能只有左括号、可能右括号先出现。这些边界情况在笔试中比算法本身更容易扣分。答题策略上我建议先写一个最朴素的版本跑通样例再考虑优化。即使最终版本不是最优解也要保证在时间限制内能跑完题目给出的最大数据量。笔试平台会隐藏测试用例如果只过了公开样例得分依然很低这是很多应届生容易忽略的细节。3.2 动态规划题的完整推导第二道编程题大概率是动态规划因为它能有效考察状态定义、状态转移、初始化和边界处理四件事。我在卷B里遇到的动态规划题题干通常不会直接说这是一道动态规划题而是包装成视频平台的资源调度场景比如在N天内有M个视频需要上线每个视频有固定的制作周期和收益求最大收益。解这类题的步骤我建议固定成四步走划分子问题把前i天能获得的最大收益作为状态而不是第i天是否上线某个视频确定转移方程状态dp[i]可以由dp[i-1]和dp[i - duration[j]] profit[j]转移而来初始化dp[0]0所有位置先设为负无穷或0看题目求最大值还是最小值确定遍历顺序如果状态依赖前一个维度就正序如果依赖更小下标也要保证被依赖的状态已经计算完成写代码时要注意初始化不能随便给0。如果题目求最大值且收益可能有负数初始化为0会导致负收益状态被跳过算出的结果偏大。这种细节选择题里也爱考放在编程题里就是一个隐藏的WA点。3.3 压轴题的策略性取舍第三道编程题通常涉及图论、数论、二分答案或状态压缩难度明显高于前两道。很多同学一看到第三题就开始慌结果在第二题还没完全跑通的情况下去死磕压轴题导致前两题也没拿满。我的建议是第三题先读题把数据范围写在草稿纸上快速判断自己有没有思路。如果前5分钟想不出来立刻回去检查前两题的代码尤其是边界和溢出问题。因为压轴题的通过率本来就低拉开差距的地方在于前两题的正确率而不是第三题能不能AC。如果确实有思路优先考虑暴力能否通过部分数据。笔试平台通常按测试点给分暴力能过20%到40%的测试点也比空着强。比如一道二分图匹配的题数据量大时需要用HK算法但数据量小的时候用匈牙利算法也能过一部分。热搜词里连续出现了二分图HK算法匈牙利算法说明这个方向值得重点准备但不要只会背代码要明白HK算法是在匈牙利算法基础上用BFS找多条增广路来减少匹配趟数。4. 机器学习与深度学习交叉考点不可忽视B站算法岗的笔试卷B虽然以传统算法题为主但机器学习相关考点占比不低尤其是对推荐算法岗来说这部分可能是决定是否进入面试的关键。选择题里容易出现过拟合怎么解决分类模型的评估指标有哪些L1和L2正则化的区别这类基础题简答题偶尔会让手推一个逻辑回归的梯度更新。4.1 分类指标和采样问题的坑关于分类模型评估卷B里高频出现的是准确率、精确率、召回率、F1值和ROC曲线的辨析。最容易错的是精确率和召回率的区别精确率是预测为正类的样本中真正类的比例召回率是实际正类中被正确找出的比例。推荐场景中如果目标是尽量不漏掉用户可能喜欢的视频就侧重召回率如果目标是推送的头几条视频尽量精准就侧重精确率。另一个高频点是类别不平衡。题目可能会问正负样本比例1:100时用准确率评估模型有什么问题答案是准确率会被多数类主导哪怕全部预测为负类也有99%的准确率看起来很高但毫无意义。这种题只要找准准确率失效这个关键点就行不需要写公式。但如果你在简答题里能把采样方法上采样、下采样和评价指标选择F1、AUC、PR曲线写全得分会明显高一些。4.2 深度学习常见考点深度学习在卷B中的考查更偏概念不会让你在笔试现场搭建网络。常见的有ReLU激活函数为什么比Sigmoid好、卷积层的参数量怎么算、Dropout的作用、为什么RNN容易梯度消失或爆炸。这些题目的答案相对固定背熟基本不会失分。卷积层参数量的计算方法是很典型的送分题一个输入通道数为C_in、输出通道数为C_out、卷积核大小为K×K的卷积层参数量是C_in×C_out×K×K再加上偏置的话就是C_out个偏置项。比如输入3通道、输出64通道、3×3卷积参数量就是3×64×3×31728加上偏置64总共1792。这种题不需要思考只考验平时有没有留意公式。Dropout的题也有固定套路训练时按概率p随机丢弃神经元推理时所有权重乘以(1-p)以保持输出期望不变。有的题目会反过来考问你训练时如果没做inverted dropout推理时应该怎么修正权重。只要记住训练时缩放、推理时修正的原则就不会被绕进去。5. 考场时间分配与做题顺序笔试时间管理是很多人忽略的一环。120分钟看着充裕但如果你在选择题上纠缠太久编程题就很被动。我自己的体感是选择题平均每题1.5分钟超过这个时间就要先标记跳过编程题先花5到8分钟读题和构思再花15到20分钟写代码和调样例。这个节奏基本能保证三题都有时间看。5.1 适合大部分人的答题节奏推荐的顺序是先做编程题再做选择题或者反过来但核心原则只有一条优先保证确定能拿到的分数落袋。如果你选择题基础好可以先快速过一遍选择题把难题标记出来如果你编程题思路快就先把三道题都扫一眼判断难度梯度然后从最容易的那道开始写。这里要说一个很多人会犯的错误看到第二题像动态规划就花了40分钟死磕结果第三题其实是一道简单的二分答案白白丢分。正确做法是拿到题目后先用两分钟把三道题都看完在心里标记这题我有思路、这题要想想、这题大概率没戏然后再安排时间。特别是第三题如果是图论题而你不熟悉就不要硬刚把时间留给前两题的完善。5.2 考试中的常见失误我帮同学复盘过多次笔试发现失分点往往不在不会做而在提交前没有检查这四件事输入范围是否可能超int需要用long long数组下标是否越界特别是状态转移时访问了dp[i-1]和dp[i-k]输出格式是否严格一致多一个空格、少一个换行都可能导致WA是否忘记处理空输入或极端用例比如n0、字符串为空这四条是笔试平台上最容易踩的坑。还有一个细节是在线IDE里自己测试时不要只测题目给的样例要自己构造几个边界用例比如最大数据量、重复元素、全零数组等。很多时候样例过了但WA就是因为边界用例没有覆盖到。6. 笔试后的复盘与下一阶段规划笔试结束不等于这件事就翻篇了。我会建议你在考后48小时内趁记忆还新鲜的时候做一次系统复盘把每一道题都重新记下来重点记录当时的卡点和最终解法。这些复盘笔记不仅是后续面试的准备素材也是判断自己是否适合继续投递这个岗位的依据。6.1 如何从笔试中提取有效信息判分结果还没有出来时你应该先自己对一遍答案。笔试题库虽然不公开但编程题的思路和选择题的知识点大多是常见的网上通常能找到类似的题目解析。复盘时不要只记这题我不会要记我不会的原因是什么。是状态转移没推出来是数据结构不熟还是题目读漏了条件把原因分类下一步的复习才有方向。我复盘时用得比较顺手的模板是这样标题、考察知识点、我的解法和最终结果AC/部分通过/未提交、标准解法步骤、卡住的时间点、同类题目3到5道。不要小看卡住的时间点它能帮你看清自己是阅读能力弱还是算法能力弱。比如你发现每次都在动态规划的状态定义上卡住那就说明你缺的是定义状态的直觉需要大量刷DP相关的题而不是漫无目的地刷题。6.2 面试准备的衔接如果笔试顺利通过接下来就是面试环节。B站的面试一般有多轮算法方向的面试官可能会以笔试卷面为基础追问比如你当时第三题为什么没有写出最优解或者如果数据量翻10倍你的方案还成立吗。所以笔试复盘不仅是给自己看还要做好被追问的准备。面试中的手撕代码和笔试的差别在于面试官更看重你思考过程中的交流与表达。即使最终代码没写完如果你能清晰地讲出状态定义和转移方程的推导思路也会是加分项。这一点和笔试完全不同笔试看提交结果面试看思维过程。所以从笔试结束后就要有意识地练习边写边讲的状态把每道题从题目描述到复杂度分析都说顺溜。从备考节奏上我给应届生的建议是把力扣高频题和热门算法排序、搜索、DP、图论刷熟控制在看到题目能快速分类的程度再花三分之一的时间准备机器学习基础多看看逻辑回归、SVM、GBDT、过拟合和评估指标这些深度与广度平衡的知识点。热门热搜词里出现的粒子群算法模拟退火卡尔曼滤波这类话题在校招笔试中通常不会作为编程题出现但在某些研究型岗位的简答题或后续面试里可能被问到。如果你有余力建议了解一下它们的核心思想和适用场景就够了不用花大量时间手推公式。B站算法岗位的业务导向决定了一个候选人只要算法基本功扎实、机器学习基础概念清楚就已经能满足大部分笔试的筛选要求。与其纠结冷门算法不如把高频考点的精度提上去。 B站算法笔试卷B考点全复盘：从KMP到动态规划
1. 卷B的整体画像题型、时间和考察重点2023届校招季B站算法方向的笔试试卷分成了A、B两个版本。很多同学看到卷B第一反应是B卷是不是比A卷难或者反过来觉得B卷是备胎卷。我在实际刷题和复盘中发现分卷的逻辑没那么玄乎更多是为了防止题目泄露和同场考试作弊难度系数并不存在明显倾斜。真正拉开差距的是卷子里埋的那些看着面熟、一做就错的细节。从题型结构来看卷B大致分为三个部分单选/多选题、简答题部分批次有和编程题。整体时长一般是120分钟题量在30到35道选择题加3道编程题左右。选择题覆盖数据结构、算法设计、机器学习基础和少量深度学习概念编程题则围绕经典算法展开三道题通常对应简单、中等、偏难三个梯度。需要特别说明的是不同批次、不同岗位推荐算法、内容理解、NLP方向的卷面可能略有差异但核心考点高度集中在热搜词里那些高频算法上——KMP、堆排序、贪心、动态规划、二分图匹配等全都是大厂笔试的常客。这里建议准备阶段先明确投递岗位的方向。B站算法岗不只是推荐算法还有视频理解、弹幕分析、搜索排序等方向。卷B的题目虽然不区分岗位但你在复习时的重心应该结合岗位来调整。比如投视频理解方向就可以多花点时间看CNN、图像特征提取相关的基础题投推荐方向就重点准备特征工程和排序损失相关的内容。笔试不是终点而是筛选起点它的目标不是让你拿满分而是在两小时内尽量稳定输出把会做的题全做对。1.1 卷A和卷B的分工逻辑我见过不少同学在备考群里争论卷A难还是卷B难实际上两个版本的题库是同一套核心考点库随机抽题的。B站的笔试系统会把题库里的题目按照难度、知识点打散然后随机拼成A卷和B卷。也就是说你可能在B卷遇到一道A卷同学没有遇到的KMP变形题这完全取决于抽题运气和卷号本身没有必然关系。不过卷B有一个容易被忽略的特点因为它是后生成的备用卷部分题目的表述方式可能不像A卷那么直白。比如同样考贪心算法A卷可能直接给一个区间调度问题让你选贪心策略B卷可能会包装成一个视频推荐场景中的资源分配问题。这不是刻意刁难而是题库里本来就是这么设计的。所以复习时不能光背结论要看懂题目的本质模型把场景化的描述翻译成算法问题。1.2 笔试环境的那些隐性要求笔试是线上进行的这里有一个很多应届生会踩的坑环境准备。B站用的在线笔试平台一般支持本地IDE调试后再粘贴代码但前提是你提前把环境测好。摄像头监控、屏幕录制、浏览器切屏检测这些环节每年都有人因为无意间切出浏览器被警告甚至取消成绩。我的建议是提前用一个闲置的浏览器专门跑笔试关掉所有消息通知把微信、钉钉、QQ全部退出登录。手机放到拿不到的位置因为部分平台的防作弊规则要求手机处于监控视频范围内但又不能使用。另外要提醒的是虽然平台支持多种语言提交但在算法笔试中Python和C/Java的选择会直接影响你的做题速度。B站的判题系统对Python的时间限制通常比C宽松一些但并非常规保证。我习惯用Python打表找思路、用C提交最终代码但如果只擅长一门语言就老老实实用熟练度最高的那门不要在笔试现场尝试换语言。2. 经典算法选择题从KMP到堆排序的考点复盘选择题部分是卷B拿分的基础盘也是很多人口中送分题的重灾区。为什么说是重灾区因为选择题考查的往往不是你会不会写代码而是对算法细节的记忆和敏感度。一个算法你能写出正确代码不等于你能清楚说出它失败时回溯几步、空间复杂度是O(1)还是O(n)、排序算法是否稳定。下面这些高频考点是备考时反复出现的。2.1 KMP算法与next数组的计算热搜词里有一条非常具体的在KMP算法中对于模式串pabacaba其next数组。这个知识点几乎每场笔试都会出现要么直接考next数组计算要么考匹配过程中的移动次数。我在刷题群里看到不少同学栽在这里原因是对next数组的定义没有统一。这里先明确一件事next[i]在不同教材里有两种定义一种表示前缀和后缀的最长公共长度另一种表示失配后跳转的位置。B站笔试卷B里如果给出了next[i]定义为...的说明就以题目说明为准如果没给就要从选项里反推它采用的是哪种定义。以模式串pabacaba为例计算前缀函数PMT版本next[0] 0单个字符没有真前缀和真后缀next[1] 1前缀ab的真前缀为a真后缀为b不匹配最长公共真前后缀长度为0注意此时长度为1的子串a不能算因为真前缀/真后缀不能等于整个子串但实际上很多教材对ab取next值是0next[2] 1前缀aba中真前缀a等于真后缀anext[3] 2前缀abac中ab等于ac吗不a等于c吗不所以是0等等这里要小心我重新写一下。模式串abacaba的各个前缀前缀1: a前缀2: ab前缀3: aba前缀4: abac前缀5: abaca前缀6: abacab前缀7: abacaba逐个求最长公共真前后缀长度很多教材称为next数组注意下标从0开始还是从1开始有差异a0ab0aba1a aabac0abaca1a aabacab2ab ababacaba3aba aba所以按这种定义next数组是[0,0,1,0,1,2,3]。如果题目要求下标从1开始且next[1]0则需要移位得到[?,0,0,1,0,1,2,3]这样的形式。这就是为什么很多同学对答案发现差一位——不是算错了是定义不同。考试中的技巧是先把候选答案里最可能的定义确定下来再快速手算验证。手算时可以只算前三个和后三个不需要全算因为选择题往往可以通过排除法缩小范围。2.2 排序算法的稳定性和复杂度辨析排序算法在卷B里的出现率几乎百分之百但考查方式比较固定给一个具体场景问选哪种排序最合适或者给几个复杂度对错的判断。我在整理往年题目时发现最容易混淆的是快排和堆排序的稳定性。稳定性指的是相等元素的相对顺序在排序前后保持不变。快排是不稳定的因为分区交换可能改变相对位置归并排序是稳定的堆排序是不稳定的插入排序和冒泡排序是稳定的。很多同学只记住了快排不稳定但遇到堆排序是否稳定反而犹豫。这里给一个联想记忆法凡是排序过程中元素会跳来跳去的基本都不稳定比如快排交换跨过了多个位置堆排的堆调整会把最后元素换到堆顶。而插入、冒泡、归并都是相邻元素或局部区间的有序合并相等元素的相对顺序不会被破坏。复杂度方面堆排序和归并排序在所有情况下的时间复杂度都是O(n log n)快排最坏是O(n²)但平均是O(n log n)。选择题如果问最坏情况下时间复杂度最小的排序算法那就是堆排序和归并排序二选一如果问额外空间复杂度为O(1)的稳定排序经典答案是没有——因为归并需要O(n)额外空间而堆排虽然O(1)空间但不稳定。这种题没有刁钻纯粹考基本功。2.3 贪心和动态规划的界定卷B的选择题里经常出现以下哪个问题适合用贪心算法解决或者动态规划的核心特征是什么。这类题失分的原因不是概念不懂而是选项里总有一个看起来像贪心但实际需要动态规划的干扰项。判定贪心算法能不能用的方式是看贪心选择性质和最优子结构。说得直白一点每一步做出当前看起来最好的选择就能得到全局最优解那就适合贪心如果当前选择会影响后续选择局部最优组合出不了全局最优就要考虑动态规划。一个常见的对比例子是硬币找零问题。如果硬币面额是1、5、11要凑15元贪心算法会先取11再取4个1共5枚但最优解是3个5共3枚。这就是贪心失效的场景。换成面额体系是1、5、10、25的美元硬币贪心选择又成立。所以选择题只要出现硬币找零背包区间这些关键词先别急着选贪心看清楚面额或限制条件再判断。3. 编程题实战拆解状态设计比AC更重要编程题是卷B中最能拉开差距的部分也是判卷时最看重代码质量的题目。三道题的时间分配如果失衡很容易出现第一题写太久、第三题没时间看的局面。下面我按实际考试中遇到的题目类型拆解一下思路重点不是背代码而是建立从读题到AC的完整链路。3.1 送分题的拿分姿势第一道编程题通常是基础数据结构题难度接近LeetCode简单题到中等题的过渡区间。常见类型包括字符串处理、数组操作、栈和队列的模拟。这道题的目标是稳拿全分所以不要刻意炫技。我印象比较深的一道题是模拟括号匹配扩展版给定一个只包含()[]{}的字符串判断是否有效。多数人会直接用栈但题目会加一个限制——字符串长度最大是10^6这就意味着递归写法或O(n²)的字符串替换法会超时。正确思路是顺序扫描遇到左括号入栈遇到右括号检查栈顶是否匹配。边界条件是字符串可能为空、可能只有左括号、可能右括号先出现。这些边界情况在笔试中比算法本身更容易扣分。答题策略上我建议先写一个最朴素的版本跑通样例再考虑优化。即使最终版本不是最优解也要保证在时间限制内能跑完题目给出的最大数据量。笔试平台会隐藏测试用例如果只过了公开样例得分依然很低这是很多应届生容易忽略的细节。3.2 动态规划题的完整推导第二道编程题大概率是动态规划因为它能有效考察状态定义、状态转移、初始化和边界处理四件事。我在卷B里遇到的动态规划题题干通常不会直接说这是一道动态规划题而是包装成视频平台的资源调度场景比如在N天内有M个视频需要上线每个视频有固定的制作周期和收益求最大收益。解这类题的步骤我建议固定成四步走划分子问题把前i天能获得的最大收益作为状态而不是第i天是否上线某个视频确定转移方程状态dp[i]可以由dp[i-1]和dp[i - duration[j]] profit[j]转移而来初始化dp[0]0所有位置先设为负无穷或0看题目求最大值还是最小值确定遍历顺序如果状态依赖前一个维度就正序如果依赖更小下标也要保证被依赖的状态已经计算完成写代码时要注意初始化不能随便给0。如果题目求最大值且收益可能有负数初始化为0会导致负收益状态被跳过算出的结果偏大。这种细节选择题里也爱考放在编程题里就是一个隐藏的WA点。3.3 压轴题的策略性取舍第三道编程题通常涉及图论、数论、二分答案或状态压缩难度明显高于前两道。很多同学一看到第三题就开始慌结果在第二题还没完全跑通的情况下去死磕压轴题导致前两题也没拿满。我的建议是第三题先读题把数据范围写在草稿纸上快速判断自己有没有思路。如果前5分钟想不出来立刻回去检查前两题的代码尤其是边界和溢出问题。因为压轴题的通过率本来就低拉开差距的地方在于前两题的正确率而不是第三题能不能AC。如果确实有思路优先考虑暴力能否通过部分数据。笔试平台通常按测试点给分暴力能过20%到40%的测试点也比空着强。比如一道二分图匹配的题数据量大时需要用HK算法但数据量小的时候用匈牙利算法也能过一部分。热搜词里连续出现了二分图HK算法匈牙利算法说明这个方向值得重点准备但不要只会背代码要明白HK算法是在匈牙利算法基础上用BFS找多条增广路来减少匹配趟数。4. 机器学习与深度学习交叉考点不可忽视B站算法岗的笔试卷B虽然以传统算法题为主但机器学习相关考点占比不低尤其是对推荐算法岗来说这部分可能是决定是否进入面试的关键。选择题里容易出现过拟合怎么解决分类模型的评估指标有哪些L1和L2正则化的区别这类基础题简答题偶尔会让手推一个逻辑回归的梯度更新。4.1 分类指标和采样问题的坑关于分类模型评估卷B里高频出现的是准确率、精确率、召回率、F1值和ROC曲线的辨析。最容易错的是精确率和召回率的区别精确率是预测为正类的样本中真正类的比例召回率是实际正类中被正确找出的比例。推荐场景中如果目标是尽量不漏掉用户可能喜欢的视频就侧重召回率如果目标是推送的头几条视频尽量精准就侧重精确率。另一个高频点是类别不平衡。题目可能会问正负样本比例1:100时用准确率评估模型有什么问题答案是准确率会被多数类主导哪怕全部预测为负类也有99%的准确率看起来很高但毫无意义。这种题只要找准准确率失效这个关键点就行不需要写公式。但如果你在简答题里能把采样方法上采样、下采样和评价指标选择F1、AUC、PR曲线写全得分会明显高一些。4.2 深度学习常见考点深度学习在卷B中的考查更偏概念不会让你在笔试现场搭建网络。常见的有ReLU激活函数为什么比Sigmoid好、卷积层的参数量怎么算、Dropout的作用、为什么RNN容易梯度消失或爆炸。这些题目的答案相对固定背熟基本不会失分。卷积层参数量的计算方法是很典型的送分题一个输入通道数为C_in、输出通道数为C_out、卷积核大小为K×K的卷积层参数量是C_in×C_out×K×K再加上偏置的话就是C_out个偏置项。比如输入3通道、输出64通道、3×3卷积参数量就是3×64×3×31728加上偏置64总共1792。这种题不需要思考只考验平时有没有留意公式。Dropout的题也有固定套路训练时按概率p随机丢弃神经元推理时所有权重乘以(1-p)以保持输出期望不变。有的题目会反过来考问你训练时如果没做inverted dropout推理时应该怎么修正权重。只要记住训练时缩放、推理时修正的原则就不会被绕进去。5. 考场时间分配与做题顺序笔试时间管理是很多人忽略的一环。120分钟看着充裕但如果你在选择题上纠缠太久编程题就很被动。我自己的体感是选择题平均每题1.5分钟超过这个时间就要先标记跳过编程题先花5到8分钟读题和构思再花15到20分钟写代码和调样例。这个节奏基本能保证三题都有时间看。5.1 适合大部分人的答题节奏推荐的顺序是先做编程题再做选择题或者反过来但核心原则只有一条优先保证确定能拿到的分数落袋。如果你选择题基础好可以先快速过一遍选择题把难题标记出来如果你编程题思路快就先把三道题都扫一眼判断难度梯度然后从最容易的那道开始写。这里要说一个很多人会犯的错误看到第二题像动态规划就花了40分钟死磕结果第三题其实是一道简单的二分答案白白丢分。正确做法是拿到题目后先用两分钟把三道题都看完在心里标记这题我有思路、这题要想想、这题大概率没戏然后再安排时间。特别是第三题如果是图论题而你不熟悉就不要硬刚把时间留给前两题的完善。5.2 考试中的常见失误我帮同学复盘过多次笔试发现失分点往往不在不会做而在提交前没有检查这四件事输入范围是否可能超int需要用long long数组下标是否越界特别是状态转移时访问了dp[i-1]和dp[i-k]输出格式是否严格一致多一个空格、少一个换行都可能导致WA是否忘记处理空输入或极端用例比如n0、字符串为空这四条是笔试平台上最容易踩的坑。还有一个细节是在线IDE里自己测试时不要只测题目给的样例要自己构造几个边界用例比如最大数据量、重复元素、全零数组等。很多时候样例过了但WA就是因为边界用例没有覆盖到。6. 笔试后的复盘与下一阶段规划笔试结束不等于这件事就翻篇了。我会建议你在考后48小时内趁记忆还新鲜的时候做一次系统复盘把每一道题都重新记下来重点记录当时的卡点和最终解法。这些复盘笔记不仅是后续面试的准备素材也是判断自己是否适合继续投递这个岗位的依据。6.1 如何从笔试中提取有效信息判分结果还没有出来时你应该先自己对一遍答案。笔试题库虽然不公开但编程题的思路和选择题的知识点大多是常见的网上通常能找到类似的题目解析。复盘时不要只记这题我不会要记我不会的原因是什么。是状态转移没推出来是数据结构不熟还是题目读漏了条件把原因分类下一步的复习才有方向。我复盘时用得比较顺手的模板是这样标题、考察知识点、我的解法和最终结果AC/部分通过/未提交、标准解法步骤、卡住的时间点、同类题目3到5道。不要小看卡住的时间点它能帮你看清自己是阅读能力弱还是算法能力弱。比如你发现每次都在动态规划的状态定义上卡住那就说明你缺的是定义状态的直觉需要大量刷DP相关的题而不是漫无目的地刷题。6.2 面试准备的衔接如果笔试顺利通过接下来就是面试环节。B站的面试一般有多轮算法方向的面试官可能会以笔试卷面为基础追问比如你当时第三题为什么没有写出最优解或者如果数据量翻10倍你的方案还成立吗。所以笔试复盘不仅是给自己看还要做好被追问的准备。面试中的手撕代码和笔试的差别在于面试官更看重你思考过程中的交流与表达。即使最终代码没写完如果你能清晰地讲出状态定义和转移方程的推导思路也会是加分项。这一点和笔试完全不同笔试看提交结果面试看思维过程。所以从笔试结束后就要有意识地练习边写边讲的状态把每道题从题目描述到复杂度分析都说顺溜。从备考节奏上我给应届生的建议是把力扣高频题和热门算法排序、搜索、DP、图论刷熟控制在看到题目能快速分类的程度再花三分之一的时间准备机器学习基础多看看逻辑回归、SVM、GBDT、过拟合和评估指标这些深度与广度平衡的知识点。热门热搜词里出现的粒子群算法模拟退火卡尔曼滤波这类话题在校招笔试中通常不会作为编程题出现但在某些研究型岗位的简答题或后续面试里可能被问到。如果你有余力建议了解一下它们的核心思想和适用场景就够了不用花大量时间手推公式。B站算法岗位的业务导向决定了一个候选人只要算法基本功扎实、机器学习基础概念清楚就已经能满足大部分笔试的筛选要求。与其纠结冷门算法不如把高频考点的精度提上去。