联想AI岗笔试考点复盘（选择题、编程与AI coding）

《面试题目》

1. 这场 AI 岗笔试的题型构成是怎样的？
2. 选择题都考了哪些知识点？
3. 编程题考了什么？为什么用贪心只通过了 18% 的用例？
4. AI coding 题应该怎么作答？哪些内容必须由自己指定？

《参考解析》

题型与时间分配：整卷是 20 道单选 + 1 道编程 + 1 道 AI coding。选择题题量大、单题分值低，先快速扫一遍把能秒答的做完，别在补全代码这类需要逐行推的题上死磕；编程和 AI coding 分值高，至少要留够三分之一时间。单选题常见坑是「看起来对但不完整」的选项，涉及概念边界时按定义最严格的那个选。

选择题的考点清单：算法题补全代码——注意循环边界、下标从 0 还是 1、递归出口；RNN——隐状态沿时间展开、梯度消失与 LSTM/GRU 的门控；HMM——评估（前向-后向）、解码（Viterbi）、学习（Baum-Welch）三个基本问题要能一一对上；强化学习——MDP 五元组、值函数与 Q-learning 的更新式、on-policy 与 off-policy 的区别；LoRA——用低秩矩阵 A、B 近似权重增量，只训增量不冻主干，秩 r 与 alpha 影响容量和缩放；SQL——join 类型、group by 与 having 的执行顺序、窗口函数、索引失效场景；激活函数——ReLU 的死亡神经元问题、GELU/SiLU 的平滑性质；排序——比较类排序下界 O(n log n)，快排/归并/堆的复杂度与稳定性差异。

贪心只过 18% 用例说明什么：18% 这个数字通常对应「只过了最小规模或特殊构造的样例」，是贪心不成立、或者边界没处理的强信号。定位顺序是：先重新读题确认目标函数和约束（是不是要求全局最优、有没有「必须选满 k 个」这类附加条件），再自己构造小规模反例——用一个指数级暴力解对拍随机数据，找出贪心第一个错的样例；如果确认贪心策略本身有反例，改成 DP（区间、背包或状态压缩）或排序后加限制条件；如果策略没错，检查大数溢出、多测数据、输出格式和复杂度是否超时。笔试现场别硬扛，先用暴力拿部分分再优化。

AI coding 题怎么用：把 AI 当结对的人而不是答案机。先自己把接口签名、输入输出约束、边界条件、不许改动的部分写清楚，再让 AI 生成初稿；生成后本地跑样例和自造的边界用例，逐行复核它有没有偷换要求。题干里强调「需要自己指定」的地方（比如具体参数、字段名、必须调用的函数）就是考点，必须自己判断后写进提示词，别让模型替你决定；复盘时把有效的提示词和踩的坑记下来，比背题更有用。