瓜子二手车2019秋招算法笔试卷2这份卷子我当年刷过现在回头看里面的考点放在今天依然很有代表性。二手车电商这个场景特别有意思——它既有传统的机器学习问题定价、估值、风险控制又有工程化落地问题特征管道、实时推理还有典型的算法基础题字符串、排序、动态规划。一套笔试卷子基本能把一个算法工程师的核心功底摸个底朝天。这篇文章我打算从实战视角来拆解不是单纯地报答案而是把每一类题背后的考察意图、解题思路、容易踩的坑、以及我当时实际是怎么思考的都完整过一遍。不管你是准备面试还是想系统查漏补缺这份复盘都能给你一些实打实的参考。1. 试卷整体风格与考点分布先聊整体感受。瓜子这套卷子给我的第一印象是基础题占大头但陷阱埋得挺深。和很多大厂喜欢出偏题怪题不同瓜子的算法笔试卷更偏向考察“你平时写代码到底写没写明白”。1.1 题型结构与分值分布整套卷子大致可以分成四个板块数据结构与基础算法、机器学习理论、深度学习应用、以及综合场景题。分值分布大约在 4:3:2:1 左右基础算法部分永远是最重的。这个结构其实很有讲究。二手车业务的核心是“定价”和“匹配”这两件事的本质都是数据问题。数据怎么存、怎么查、怎么排序、怎么匹配底层全是数据结构和算法。所以把基础算法放在最前面、占最大比重是这个行业的特点不是出题老师的个人偏好。我当时看到卷子的第一反应是这题量不小两个小时内要完成平均每道题的时间非常紧张。这其实也是笔试的一个隐性考察点在时间压力下你能不能保持代码的清晰度和正确性。1.2 出题风格与难度基准整体难度中偏上但不会出现那种让人完全无从下手的题目。比较典型的风格是题目本身不长描述很简洁但你需要自己挖掘出它到底想考什么。举个印象深刻的例子有一道题是给出一辆车的行驶里程、车龄、品牌、保养记录等特征要求你用逻辑回归做价格预测。表面上看是机器学习题但实际上它考察的是特征工程和异常值处理——你有没有意识到行驶里程和车龄可能存在共线性有没有考虑过事故车这个离散特征怎么编码。这种题目才有区分度。背过算法公式、看过几篇博客的人和真正上手处理过数据的人答案一眼就能分辨出来。所以这篇复盘我也会按这个思路来不仅讲“怎么做”更重要的是讲“为什么这么做”。2. 数据结构与基础算法考点拆解这部分是整张卷子的根基也是最容易拉开差距的地方。我挑了几个最有代表性的考点来详细说。2.1 KMP算法与next数组的深入理解热词里有这么一道原题模式串 p abacaba求它的 next 数组。这道题非常经典考的是对 KMP 算法核心思想的理解。先明确 next 数组的定义next[i] 表示模式串 p 的前缀 p[0...i] 中最长相等前缀后缀的长度注意这里不同教材定义略有不同有的定义为不包括自身有的包含笔试时要看清题目给的公式。对于 abacabai0字符 a没有真前缀和真后缀next[0] 0i1字符串 ab前缀 a后缀 b不相等next[1] 0i2字符串 aba前缀 a、ab后缀 a、ba最长相等前后缀是 a长度 1next[2] 1i3字符串 abac前缀 a、ab、aba后缀 c、ac、bac没有相等next[3] 0i4字符串 abaca前缀和后缀中a 相等长度为 1next[4] 1i5字符串 abacabab 是相等的前后缀长度为 2next[5] 2i6字符串 abacabaaba 是相等的前后缀长度为 3next[6] 3所以答案是 [0, 0, 1, 0, 1, 2, 3]。这里有个我当年踩过的坑很多教材会把 next 数组整体往后移一位然后把 next[0] 设为 -1用来方便编程实现。如果你看的资料是这种版本计算方式会不一样。笔试时一定要看清题目给的定义是按“最长相等前后缀长度”还是“失配时跳转位置”否则差之毫厘谬以千里。2.2 排序算法的选型与复杂度分析排序几乎是每套算法笔试卷的必考题瓜子也不例外。但它的考察方式不是在纸上让你写一个快排而是结合场景问给你 1000 万辆车的价格数据要找出价格最高的 100 辆最高效的做法是什么。这题有坑。很多人第一反应是排序然后取前 100时间复杂度 O(n log n)。但更优的方案是用大小为 100 的最小堆维护前 100 大的元素遍历一遍数据每个元素和堆顶比较比堆顶大就替换并调整堆时间复杂度 O(n log 100)当 n 很大时这是一个明显的优化。实际编写时还要注意一个细节堆的调整用下沉sift_down比上浮sift_up效率更高因为堆顶被替换后新的元素通常是比较小的下沉操作可以更快找到它的位置。import heapq def top_k_prices(prices, k100): # 维护大小为 k 的最小堆 heap prices[:k] heapq.heapify(heap) for price in prices[k:]: if price heap[0]: heapq.heapreplace(heap, price) return heap另外冒泡排序、插入排序这类 O(n²) 的排序算法虽然实际工作中几乎用不到但笔试里偶尔会作为小题出现考察你是否理解它们的稳定性、比较次数、交换次数。这类题不难但别丢分。2.3 贪心算法与动态规划的区分贪心算法在热词里出现频率很高瓜子这套卷子也考了一道。题目大概是给定一批车源每辆车有上架时间和下架时间问一天内最多能同时展示多少辆车。这其实是经典的“会议室安排”问题变形。贪心的策略是按结束时间排序每次选择结束时间最早且不与已选区间重叠的区间。这样能保证在时间轴上尽可能多地安排区间。为什么贪心在这里是对的因为结束时间越早留给后面的时间就越多这是一个典型的“局部最优能推出全局最优”的场景。但要注意贪心不是万能的。如果题目变成给定一批车源每辆车有展示收益要求在时间不冲突的前提下选择某个子集使总收益最大这就变成了加权区间调度问题贪心失效必须用动态规划。这是面试官非常爱设置的陷阱——换一个条件整个解法就变了。我当时做题时的心得是先看能不能用贪心如果可以要能说清楚为什么贪心是对的如果说不清楚马上转 DP用 DP 虽然慢一点但至少不会错。3. 机器学习与深度学习核心考点瓜子作为一家数据驱动的二手车平台机器学习相关题目占了相当比重。这部分的考点比较聚焦回归、分类、模型评估、特征工程都是日常业务中天天要用的东西。3.1 逻辑回归与特征工程实战前面提到的价格预测题用逻辑回归做价格预测其实是一个略微“别扭”的设定——价格是连续值通常用线性回归或树模型逻辑回归做的是分类。但正因为别扭才更能考察你的理解深度。我当时是这么分析的如果这题是“价格区间预测”那逻辑回归就完全说得通。把价格离散化成几个档位比如经济型、舒适型、豪华型用逻辑回归做多分类。所以做题时首先要明确目标函数是什么不要默认“价格预测”一定是回归问题。特征处理方面有几个点必须注意行驶里程和车龄高度相关如果同时作为特征会引起多重共线性导致模型系数不稳定可考虑只保留一个或做 PCA品牌这个离散特征如果直接用 label encoding会人为引入大小关系比如宝马3奔驰5这没有意义应该用 one-hot 或 target encoding事故记录、保养记录这类信息信息密度高但稀疏性强需要做专门的特征工程比如“是否事故车”“保养次数”“最近保养时间距今天数”这些如果在答案里体现出来基本就能拿到大部分分数。3.2 模型评估与交叉验证二手车定价模型的好坏怎么评估这也是卷子里的一个重点。MAE、MSE、RMSE、R²这些指标分别适合什么场景怎么选必须说清楚。我实际工作中的经验是价格预测这种场景MAE 比 MSE 更实用。因为 MSE 会放大异常值的权重——一辆事故车的价格可能偏离正常值 30%平方之后这个误差会主导整个 loss导致模型过度关注异常样本。而 MAE 对异常值更鲁棒更能反映模型在正常样本上的表现。交叉验证方面常见的 K-Fold 在这里有一个坑如果直接随机划分训练集和验证集同一辆车的不同时间段的记录可能会同时出现在训练集和验证集中造成数据泄漏让离线评估结果虚高。正确做法是按车辆 ID 分组保证同一辆车的所有记录都在同一折里这就是 GroupKFold 的思路。3.3 模型融合与集成学习集成学习是比赛中提分最有效的手段也是瓜子这类公司实际业务中常用的方法。卷子里有一道题直接问随机森林和 GBDT 的区别是什么实际场景中怎么选。这个问题可以从三个维度回答随机森林是 Bagging 思路并行训练多棵树每棵树独立采样最终投票或取平均降低的是方差GBDT 是 Boosting 思路串行训练每棵树拟合前一棵树的残差降低的是偏差随机森林对异常值更鲁棒因为每棵树只看到部分样本GBDT 对异常值敏感因为残差会把异常样本的误差放大在二手车定价这种特征维度适中、数据量较大的场景GBDT或其变种 XGBoost、LightGBM通常效果更好但调参成本更高还有一个常被忽略的点实际业务中模型融合不一定要用复杂的 Stacking简单的加权平均或者取中位数往往就能获得不错的提升。道理很简单不同模型在不同的特征子集上各有优势把它们的结果融合相当于互补了各自的盲区。3.4 神经网络与激活函数的选择深度学习部分瓜子考的不算偏但有几个细节值得注意。比如激活函数的选择Sigmoid、Tanh、ReLU、Leaky ReLU 的区别和适用场景。这里有个经常被误解的点为什么 ReLU 在深层网络中比 Sigmoid 好因为 Sigmoid 的导数最大值只有 0.25链式法则连乘之后梯度会指数级衰减导致浅层网络的参数几乎无法更新这就是梯度消失问题。ReLU 在正区间的导数是 1梯度可以顺畅回传。但 ReLU 也有自己的问题——神经元死亡。如果一个神经元的输入总是负的ReLU 的输出恒为 0梯度也就恒为 0这个神经元就再也无法被激活了。Leaky ReLU 就是针对这个问题提的改进给负区间一个很小的斜率比如 0.01让梯度不至于完全断掉。我当时在答题时还会补一句在实际项目中BNBatch Normalization层要慎用尤其是在小 batch 的场景下BN 的统计量不稳定反而会损害性能。这种情况下可以考虑 Group Norm 或者干脆不用 BN。这种细节能体现你对深度学习的理解不仅仅停留在理论层面。4. 工程落地与系统设计类问题这部分是最能体现“实战经验”的板块也是很多刷题党容易丢分的地方。因为这类问题没有标准答案考察的是你的工程判断力和系统设计能力。4.1 特征管道的设计与实现二手车定价系统的核心本质是一个特征管道的问题数据从各个渠道汇聚过来经过清洗、对齐、特征计算、存储最后才能送进模型。这个管道的设计直接决定了模型的迭代效率和线上效果。卷子里有一道场景题假设你要构建一个二手车价格评估系统数据源包括车辆基本信息、维保记录、用户浏览行为、市场行情数据你如何设计整个数据管道。我当时是这么拆解的首先分清楚静态特征和动态特征。车辆基本信息是静态的一次计算可以长期复用市场行情是动态的需要定期更新用户浏览行为是最动态的需要考虑时间窗口然后是特征对齐的问题。不同数据源的数据粒度不一样有的按车辆 ID有的按用户 ID有的按时间戳需要统一到车辆 ID 时间戳这个粒度上最后是特征存储的选型。静态特征可以放 MySQL 或者 Redis动态特征需要时序数据库而用于训练的特征快照则需要放到 Hive 或者数据仓库里支持回溯查询这个问题没有唯一答案面试官想看到的是你能否把问题结构化分清楚主次而不是一上来就倒腾技术栈。4.2 模型上线与推理优化模型的离线评估做得再好上线才是真正的考验。卷子里这部分提到了推理延迟的问题如果定价接口的响应时间不能超过 200ms你会怎么做。这里有几个方向可以聊模型层面如果用的是树模型可以用 LightGBM 的 native 预测比 sklearn 的 predict 快不少如果是深度学习模型考虑量化INT8 量化通常能带来 2-4 倍的加速服务层面模型预热、多进程加载模型、特征缓存这些都是常见的优化手段架构层面如果同一个特征被多个模型用到可以考虑把特征计算单独抽成一个服务避免重复计算还有一个工程上非常实用的经验线上和线下的特征处理逻辑必须完全一致否则会出现训练和推理之间的偏差也就是训练-推理偏差。这个问题的排查非常痛苦所以在设计特征管道时最好把特征处理逻辑封装成同一个库线上线下共用一套代码。4.3 A/B测试与效果评估最后聊一下 A/B 测试。这道题考的是新模型上线后如何科学地评估它是否优于旧模型。很多人第一反应是跑 A/B 测试看新模型的 MAE 是不是更低。但这里有一个很隐蔽的坑A/B 测试的分流单元必须和评估单元一致。如果模型是按车辆 ID 做预测的那分流应该按车辆 ID 分而不是按用户 ID 分。否则同一辆车的数据可能同时出现在实验组和对照组造成污染。另外样本量估算也是一个常见考点。在做 A/B 测试之前你需要估算需要多少样本才能检测出预期的效果差异这涉及到统计功效Power的计算一般需要设定显著性水平α0.05、统计功效1-β0.8和最小可检测效应MDE。没有做这个估算测试跑完可能发现样本量不够白白浪费了时间。这类工程题在笔试里可能只是一个小问但在实际工作中却是天天要面对的事。能在这部分展现你的工程素养会是一个很大的加分项。5. 笔试中的实战经验与避坑指南最后这部分不聊具体的题目了聊聊我作为过来人在笔试和面试过程中的一些心得希望能帮你少走弯路。5.1 时间分配与做题顺序策略两个小时的卷子题量不小怎么分配时间非常关键。我的建议是先把所有题目快速扫一遍标注出自己一眼就会的、需要想一想才能做的、以及完全没有思路的。然后按照“一眼就会 → 需要思考 → 完全不会”的顺序来做。这个策略背后有两个原因。第一是心理因素先做简单的题能建立信心避免卡在一道难题上导致后面的题目时间不够。第二是踩分效率笔试的判分一般是你答对了多少就给多少分先把能拿的分全拿到再回头啃硬骨头。我自己的经验是每道题给自己设置一个时间上限。简单题不超过 10 分钟中等题不超过 20 分钟难题不超过 30 分钟。如果超时还没有思路果断跳过最后有时间再回来。5.2 代码书写与注释技巧笔试题的代码书写有一定的套路能让你的答案在一堆卷子里脱颖而出。首先变量命名要规范。不要用 a、b、c、tmp 这种含义不明的名字用 count、max_price、heap 这种能读懂的命名。别小看这一点面试官看卷子的时间很短清晰的名字能降低他的阅读成本好感度直接上升。其次关键步骤要写注释但不要每行都写。我一般只在三个地方写注释算法核心思路的一句话说明、边界条件的说明、以及为什么要做某个特殊处理的说明。比如用最小堆找 Top 100 时我会写一句“用最小堆保证堆顶是最小的候选值新元素只需要和堆顶比较”。还有一点很实用代码写的顺序比代码写得快更重要。先在草稿纸上把思路理清楚再上手写代码比一边写一边想效率高得多。我自己最开始笔试时习惯直接开始敲代码结果经常写到一半发现思路有漏洞推倒重来浪费大量时间。5.3 复盘与总结方法论笔试结束后的复盘比笔试本身更重要。我每次笔试结束后无论结果如何都会做一次完整的复盘过程大概是三步第一步把所有做错的题和没做出来的题整理一遍写下正确的解法和当时的思路盲区。这里要注意不是简单地抄一遍答案而是要总结出“我为什么会卡住”的根因。是知识点不熟是题型没见过是时间不够根因不同改进方向完全不同。第二步把同一类的题目放在一起横向对比总结规律。比如字符串相关的题目有哪些套路KMP、Trie、马拉车区间相关的题目有哪些套路排序贪心、差分数组、线段树。我把这些规律整理成一个笔记面试前翻一遍比重新刷一百道题都管用。第三步把做对的题也过一遍看有没有更优解。很多时候你虽然把题做对了但解法不是最优的比如用了 DP 但没想到可以优化空间复杂度用了二叉树但没想到可以用前缀和。这个环节决定了你是在“会做”还是“精通”之间。6. 给备考者的一些建议与思考方向6.1 基础算法的重要性怎么强调都不过分从这套卷子能看出无论行业怎么变数据结构和基础算法始终是算法工程师的基本功。KMP、排序、贪心、DP这些知识可能不是每天都会用到但它们决定了你面对新问题时的思维起点。我在实际工作中体会很深的一点做业务的时候80% 的场景只需要简单的算法和工程能力但遇到那 20% 的复杂问题时往往是基础算法功底扎实的人能第一个想到解法。原因很简单你脑子里储存的“解题模式”越多遇到新问题时能调用的工具就越多。所以我的建议是哪怕手上有很多业务要做也要保持刷题的习惯。不需要每天刷很多但要保持手感一周两三道经典题就够了。6.2 理论与实践要反复交融还有一点想说的是算法笔试的准备不能只看书、只刷题一定要动手做实际的项目。纸上谈兵是学不会算法的尤其是在工程落地这个层面。拿特征工程举例。你可以在书上看到无数种特征处理的方法但只有真正处理过一辆车的几十个原始字段、踩过数据缺失和数据异常的坑你才会明白为什么要做那些处理才会在做笔试题的时候写出有深度的答案。建议你可以自己找一份二手车交易数据从零开始搭一个价格预测模型完整走一遍数据清洗、特征工程、模型训练、模型评估的流程。这个过程能帮你把零散的知识点串成一个完整的体系而体系化的知识才是真正能迁移到面试和工作中的东西。6.3 保持好奇持续学习最近这些年算法领域的新东西层出不穷——大模型、图神经网络、强化学习每一个看起来都很吸引人。但我想说的是面试和工作更看重的是你对基础知识的掌握深度而不是你会多少个新名词。新知识当然要学但不要本末倒置。把数据结构、机器学习的基础原理搞得滚瓜烂熟再去看新的模型和方法你会发现它们不过是在旧有体系上加了点新东西。反过来如果基础不牢新知识学得再多也像空中楼阁一戳就破。我在实际面试候选人的时候最怕遇到的情况不是候选人不会某个算法而是候选人会背很多算法的名字但问到一个基础概念就问不清、答不深。这种“知道主义”在工作中很难解决实际问题反而会让团队协作变得困难。