看到“阿里巴巴2015算法工程师实习生笔试卷”这个标题我第一反应是挺怀念的。那几年正好是互联网公司大规模扩招算法岗的起点阿里、百度、腾讯的笔试题目风格差异很大但都非常有代表性。2015年的这份卷子我印象里整体偏重基础数据结构、概率统计、机器学习基础占了很大比重开放性业务题也有一两道不像现在动不动就手撕Transformer、设计推荐系统架构。对于今天准备算法岗笔试的同学来说这份老卷子反而有特殊的参考价值——它帮你划出了“算法工程师”这个岗位最底层的知识边界。这篇文章我会从实际应试的角度把这份试卷涉及的考点、题目类型、解题思路完整拆一遍。内容涵盖数据结构与经典算法、概率统计与机器学习基础、业务场景题怎么答、以及我当年踩过的坑和总结的应试技巧。无论你是刚接触算法岗笔试的在校生还是工作几年想回头补基础的从业者这篇文章都能帮你快速判断自己在哪些方面还有短板。1. 试卷整体设计与考察思路拆解1.1 2015年阿里算法实习生笔试的定位和风格那年头的算法实习生笔试基本是“海投-海笔-海面”的模式笔试直接决定了你能不能进面试。阿里这张卷子我印象里是60分钟到90分钟做完题型以不定项选择、填空题、简答/手推题为主偶尔夹一两道在线编程。整体难度不是“竞赛级”但覆盖面非常广目的很明确用一张卷子快速筛出“基础扎实思路清晰有一定工程感”的候选人。为什么强调基础因为实习生进来是要跟项目、写代码、跑实验的基础不牢后面根本不放心让你独立做事。比如一道KMP的next数组计算题看着简单但真能手算对的人不多这直接反映出你有没有认真学过字符串匹配一道“快排时间复杂度退化条件”能看出你理解算法是背结论还是真的懂原理。阿里的笔试特别喜欢用这种“不起眼但能拉开差距”的小题来过滤人。1.2 核心考点分布与权重分析根据我自己的回忆和当时网上流传的版本汇总2015年这张卷子大体可以分成四大块考点模块典型题目方向大概占比数据结构与经典算法数组/链表、栈队列、二叉树遍历、排序与复杂度、KMP、贪心/动态规划35%概率统计与机器学习贝叶斯公式、期望与方差、最大似然估计、过拟合、朴素贝叶斯/聚类基础30%编程语言与工程基础C/Java基础、内存管理、进程线程、Linux常用命令、SQL20%开放题与业务题如何设计A/B测试、如何评估推荐效果、估算类问题15%这个分布其实透露了一个信息2015年阿里的算法工程师实习生岗不只是“建模师”还要求你有足够的工程能力。机器学习算法可以不会最新的但基础的数据结构、语言特性、工程常识不能丢分。后文我会按照这个权重把每一类的核心题目和解题思路展开讲透。2. 数据结构与经典算法笔试拿分的基本盘2.1 字符串与KMP算法从next数组推导开始我必须先讲KMP因为热词里特别提到了“abacaba”这个模式串的next数组这几乎就是当年原题的翻版。KMP的全称是Knuth-Morris-Pratt算法解决的核心问题是给定一个文本串和一个模式串快速找到模式串在文本中出现的位置。相比暴力匹配O(m*n)的复杂度KMP通过预处理模式串的next数组把匹配复杂度降到O(mn)。用生活里的话说暴力匹配就像你在一本书里找一个词每次匹配失败都只往后挪一格KMP则是匹配失败时根据已经匹配的前缀信息直接跳到下一个可能匹配的位置省掉大量重复比较。next数组的定义在不同教材里有两种一种next[i]表示“模式串前i个字符构成的子串中最长相等前后缀的长度”另一种表示“当前位置匹配失败后模式串指针应该回退到的位置”。2015年那套卷子如果沿用“next[i]定义为模式串前i个字符中最长相等前后缀长度不含自身”那对模式串pabacaba的推导过程如下i1子串a最长相等前后缀长度为0next[1]0i2子串ab前缀有a后缀有b不相等next[2]0i3子串aba前缀a、ab后缀a、ba最长相等前后缀是a长度1next[3]1i4子串abac前缀a、ab、aba后缀c、ac、bac最长相等前后缀长度0next[4]0i5子串abaca前缀a、ab、aba、abac后缀a、ca、aca、baca最长相等前后缀a长度1next[5]1i6子串abacab前缀a、ab、aba、abac、abaca后缀b、ab、cab、acab、bacab最长相等前后缀ab长度2next[6]2i7子串abacaba前缀a、ab、aba、abac、abaca、abacab后缀a、ba、aba、caba、acaba、bacaba最长相等前后缀aba或a注意最长是aba长度3next[7]3所以next数组是[0,0,1,0,1,2,3]。如果题目定义是“失败后回退的位置”那还要整体右移一位并做相应处理考试时务必先看清题目给的是哪种定义。我在实际面试里见过不少候选人在这上面栽跟头不是不会算而是没有先确认定义。2.2 排序算法的复杂度与稳定性背表不如理解过程排序是笔试必考而且阿里的题很少直接问“快排时间复杂度是多少”而是喜欢给一个具体场景让你选排序算法或者问“下面哪个排序算法是稳定的”。这种题看起来简单但需要你在理解的基础上记忆不是死背一张表。我给你一个理解框架稳定性指的是相等元素的相对顺序在排序后是否保持不变。冒泡排序、插入排序、归并排序是稳定的因为它们都是“相邻比较/归并时相等取左”的策略天然不破坏相对顺序选择排序不稳定因为每次选最小值可能跨越若干元素直接换到前面比如数组[5, 8, 5, 2]第一次选择把2和第一个5交换两个5的相对顺序就变了快排不稳定因为partition时左右指针的交换是跳跃式的堆排序不稳定因为堆调整会跨越层级交换。两个5第一次选择把2和第一个5交换两个5的相对顺序就变了快排不稳定因为partition时左右指针的交换是跳跃式的堆排序不稳定因为堆调整会跨越层级交换。复杂度上堆排序和归并排序最坏O(n log n)快排最坏O(n²)但快排平均性能最优因为常数小、局部性好。希尔排序的复杂度依赖于增量序列选择不是固定的笔试里如果说“希尔排序时间复杂度是O(n log n)”这是不严谨的除非特殊说明。当年题目里出现过“以下哪个排序在最坏情况下时间复杂度为O(n log n)”这种单选答案就是归并和堆排。2.3 贪心、动态规划与经典模型题阿里笔试不太会出太难的DP但一定会有基础的贪心或DP题用来考察你“能不能把问题抽象成模型”。典型如背包问题、最长递增子序列、编辑距离、最大子段和。你不需要背题但要掌握一套通用的解题思路。拿“最大子段和”举例给定数组找连续子数组使和最大最经典的是Kadane算法用cur记录当前连续子数组的和当cur加上当前元素后如果小于当前元素本身说明之前的和是负贡献直接丢弃从当前元素重新开始同时用ans维护全局最大值。代码就几行核心思想是“要么延续前面的累加要么从当前重新开始”。这种题在笔试里出现频率很高因为实现简单但思路很能区分人。再比如“0-1背包”笔试常以变形形式出现比如“给定一组物品的重量和价值背包容量为W求最大价值”。解题时先确认是否每个物品只能选一次然后确定状态定义dp[i][j]表示前i个物品放入容量为j的背包的最大价值转移方程是dp[i][j] max(dp[i-1][j], dp[i-1][j-w[i]] v[i])最后用滚动数组优化到一维。动态规划的核心不是背方程而是定义好状态、写对转移、想清楚边界。3. 概率统计与机器学习基础非科班最容易丢分的地方3.1 贝叶斯公式与朴素贝叶斯不是只背公式2015年的卷子概率统计占了不少分其中贝叶斯公式是绝对的高频考点因为它连接了概率论和机器学习里的分类问题。贝叶斯公式的表达式是P(A|B) P(B|A) * P(A) / P(B)其中P(A)是先验概率P(A|B)是后验概率。笔试里最常见的出题方式是给你一个“某种疾病的检测准确率”之类的应用题让你算“检测阳性时真正患病的概率”。很多同学这个题做错不是因为不会贝叶斯公式而是忽略了一个关键量在计算P(B)时要把“真阳性和假阳性”两条路径都算上。举个例子假设某种病在人群中的患病率是1%检测方法对患病者的检出率是99%真阳性率对未患病者的误报率是2%假阳性率。现在一个人检测结果为阳性问真正患病的概率是多少P(患病|阳性) P(阳性|患病) * P(患病) / [P(阳性|患病) * P(患病) P(阳性|未患病) * P(未患病)] 0.99 * 0.01 / (0.99 * 0.01 0.02 * 0.99) ≈ 33.3%。很多人会直觉认为99%但实际只有三分之一。这个例子反过来解释了为什么朴素贝叶斯分类器在特征独立性假设不成立时仍然能work——它估的虽然是“近似后验”但在很多场景下秩关系是对的这就够做分类了。笔试如果考到朴素贝叶斯多半会结合文本分类或垃圾邮件过滤的场景让你算某个类别在给定特征下的后验概率。3.2 过拟合与模型评估选择正确选项的“题眼”关于过拟合笔试常考的选项包括增加训练数据可以缓解过拟合、增大模型复杂度会加剧过拟合、正则化可以抑制过拟合、交叉验证可以评估模型的泛化能力。这些说法本身都对但题目可能会让你选“错误的”或者在选项里混入“减少特征维度会导致过拟合加剧”这种明显错误的说法。做题时一定要逐字读题尤其注意“一定”“只能”“必然”这类绝对化表述。这里顺便说一下评估指标也是高频点分类问题常用准确率、精确率、召回率、F1回归问题常用MSE、MAE、R²。笔试里常给一个二分类混淆矩阵让你算Precision和Recall。别把公式记反PrecisionTP/(TPFP)分母是“所有被预测为正的样本数”体现的是“查得准不准”RecallTP/(TPFN)分母是“所有真实为正的样本数”体现的是“查得全不全”。我当年考试就用了一个记忆方法召回率“召回”的是真正的正样本所以看右边的FN漏网的精确率“精确”的是预测结果所以看下边的FP误伤的。3.3 机器学习算法选型与原理类问题除了概率统计这部分还会涉及一些经典算法的原理。比如K-Means聚类的优缺点、KNN的k值选择影响、决策树的划分依据信息增益/基尼指数、SVM的核函数作用、线性回归的损失函数与最小二乘法。2015年那会儿深度学习还没有全面占领笔试传统的机器学习基础反而考得更细比如“K-Means对初始质心敏感容易陷入局部最优”、“KNN在特征维度较高时距离度量失效维度灾难”、“SVM通过核函数将低维不可分映射到高维可分”。热词里还提到粒子群算法、模拟退火、卡尔曼滤波这些它们在算法工程师的笔试中偶尔会出现在填空或简答题里属于“了解级”考点。粒子群和模拟退火都属于启发式优化算法用于求解复杂优化问题笔试问到时一般只需要说清核心思想粒子群通过群体协作和个体经验更新位置模拟退火以一定概率接受更差解来跳出局部最优。卡尔曼滤波是线性高斯系统的最优状态估计方法在控制、导航领域用得比较多。这些知识点不需要刷题懂原理、能说出应用场景就够。3.4 相似度计算与检索从余弦相似度到BM25因为热词里特别提到了BM25算法我在这里也展开一下。BM25是一种在信息检索中广泛使用的排序函数用于计算一个文档与用户查询的相关性得分。它的核心思想可以用大白话概括一个词在一篇文档中出现的次数越多越重要但不能是那种在几乎所有文档中都出现的词。所以计算时会考虑词频TF、逆文档频率IDF和文档长度归一化。BM25的公式看起来复杂但笔试和面试中很少有人让你默写完整公式更重要的是理解它和TF-IDF的关系——BM25其实就是TF-IDF的进阶版引入了一个饱和度函数避免词频线性增长带来不合理的得分。相似度计算还有一个高频基础题给定两个向量要求计算余弦相似度。余弦相似度 两个向量的内积除以各自模长的乘积取值范围[-1,1]比欧氏距离更关注方向一致性对向量的绝对大小不那么敏感因此在文本和推荐场景中常用来衡量向量语义embedding之间的相似度。这类题考的是基础数学功底基本属于送分题只要细心就能拿满。4. 综合题与业务场景题拉开面试官印象分的关键4.1 A/B测试方案设计回答这类题的通用框架阿里2015年的笔试最后一道或两道题通常会让考生设计一个实验方案比如“某个推荐策略上线前如何设计A/B测试来评估效果”。这种题没有标准答案但面试官心里有一套评分标准。我总结了一套回答框架屡试不爽第一步说清楚实验目的你要验证什么假设核心指标是什么。第二步讲实验设计用户如何分桶按用户ID哈希取模、实验组和对照组怎样保证同分布、样本量大概需要多少、实验周期多长。第三步说清楚指标评估主指标是什么比如点击率、转化率、人均时长辅助指标/护栏指标是什么比如不能因为提高点击率而导致用户投诉增加。第四步聊风险和边界要不要做分层实验多个实验同时进行时怎么避免相互干扰统计显著性用什么检验方法要不要看置信区间。为什么要用“分桶”而不是“按时间先后对比”因为用户行为天然有时间趋势前后对比会把“策略带来的提升”和“时间变化带来的提升”混在一起没法得出因果结论。这个逻辑我在面试里讲过很多次笔试时写到这一层考官就能看出你懂实验设计的本质。4.2 推荐系统与排序问题怎么体现工程思维推荐和排序也是阿里笔试的常客因为它和电商业务绑定得非常紧。可能的题目包括如何评估推荐系统的效果怎么给用户生成一个商品候选集如何对候选集排序。回答这类问题关键在于“分阶段拆解”不要上来就想用一个模型解决所有问题。一般工业界的推荐系统分三阶段召回、粗排、精排。召回阶段的目标是“从千万级商品里快速挑选几百个候选”常用方法包括基于用户行为协同过滤、基于内容标签、基于向量检索embedding召回粗排阶段用轻量模型对候选集快速打分精排阶段用复杂的模型逻辑回归、GBDT、深度模型等对最终的几十个商品精确排序。笔试如果让你“简述推荐系统的流程”你把这三层结构写清楚再结合一两个特征例子用户历史点击、商品类目、时间上下文已经能拿到大部分分数。4.3 概率估算题科学思维比结果更重要有一类综合题叫“费米问题”就是让你估算“北京有多少个加油站”或“淘宝每天产生多少订单”。这类题没有标准答案考察的是逻辑拆解能力和数量级判断。回答思路是先定义清楚问题再层层分解用可验证的假设代替拍脑袋。举个例子如果要估算“淘宝每天产生多少订单”可以这样拆淘宝年活跃买家数假设为3-4亿日均活跃用户比例假设为20%-30%人均每天下单频次假设为0.5-1次那么日订单量大概是3.5亿*25%*0.75≈6500万单。再把“双11期间会翻几十倍”这种波动交代一下答案的合理性就有了。我在给新人做笔试辅导时经常强调这种题面试官要的不是精确数字而是你有没有结构化的思路哪怕最后算出来的结果和真实值差一倍只要推理链条完整照样能拿高分。5. 实战过程复盘与高频错题记录5.1 时间分配与做题顺序建议以90分钟为例我当时的做题策略是先花5分钟快速浏览全部题目在心里给题目难度分级然后优先做选择题和填空题因为这类题有确定答案、拿分效率高再做简答/手推题需要完整思路最后留至少20分钟给编程题或开放题。这样做的好处是避免在前面的难题上卡太久导致后面会做的题没时间。5.2 当年笔试中出现频率最高的错题与避坑经验我整理几个我在辅导学弟学妹时反复强调的错因也算是我自己当年踩过的坑第一个坑是KMP的next数组定义混淆。很多题目在开头会给出“next[i]表示模式串中第i个字符之前的子串最长相等前后缀长度”如果你不仔细看直接套用另一种定义从头错到尾。这类题属于“明明会做但丢分”的典型代表。第二个坑是贝叶斯公式里的全概率公式漏项。就像前面那个疾病检测的例子计算P(B)时漏掉假阳性部分的人非常多。建议在展开式计算时先将所有事件路径列出来再代入数值思路会更清晰。第三个坑是排序算法的稳定性记忆错误。选择题特别喜欢把“快速排序是稳定的”“堆排序是稳定的”混进选项如果只靠记忆口诀没有真正理解很容易踩雷。建议从“比较和交换是否是跳跃式”的角度去推理稳定性而不是死记硬背。第四个坑是C/Java内存基础题。比如考到“栈上变量和堆上变量的区别”有些人因为平时写脚本语言习惯了对内存分配细节不熟悉在这类送分题上也会丢分。这部分没有技巧就是把概念补齐。5.3 在线编程题的常见解法模板2015年阿里的笔试部分场次会有一道简单的在线编程题常见考法包括链表反转、二叉树层序遍历、字符串去重、数组两数之和等。我建议备好几个模板链表反转的迭代写法三指针二叉树层序遍历的队列写法BFS两数之和的哈希表辅助法O(n)。这些模板不是让你背题而是考试时快速写出框架再往里面填逻辑能省下大量无谓的调试时间。6. 给后来者的备考建议与资料清单6.1 算法基础怎么补不要把战线拉太长如果你现在离笔试还有一个月以上建议按下面的优先级推进先把《剑指Offer》过一遍重点掌握链表、树、栈、队列、排序、查找、动态规划入门再刷LeetCode的热门100题按专题刷数组、字符串、链表、树、贪心、动态规划各刷十几道最后留一周做模拟题和复习错题。如果只有一周时间直接把精力放在高频考点上不要碰偏难怪题。数据结构部分把KMP、堆排序、快排、归并、二叉树遍历、链表反转练熟概率统计部分把贝叶斯、期望方差、常见分布正态、伯努利、二项、泊松的公式和性质过一遍机器学习部分重点看朴素贝叶斯、KNN、决策树、逻辑回归、K-Means、模型评估与交叉验证。6.2 业务题和开放题怎么准备建立“结构感”开放题光靠刷题是刷不出来的关键是建立“遇事拆解”的思维习惯。我建议平时多留意互联网产品的功能逻辑看到一个功能就尝试回答三个问题这个功能想提升什么指标用什么实验来验证可能有哪些负向影响需要监控坚持一两周你会发现自己在回答业务题时思路会清晰很多。6.3 一套精简的知识点速查清单最后我把常考的知识点整理成一份速查清单适用于笔试前最后几小时的快速过知识点数据结构数组与链表对比访问/插入/删除复杂度、栈和队列、二叉树三种遍历递归迭代、哈希表原理、堆的插入与删除、KMP next数组算法快排/归并/堆排/冒泡/选择的复杂度与稳定性、二分查找模板、BFS/DFS、贪心与DP的适用场景、0-1背包、最长公共子序列概率统计排列组合、条件概率与全概率公式、贝叶斯公式、期望与方差、均匀/二项/泊松/正态分布、最大似然估计机器学习过拟合与正则化L1/L2、偏差与方差、训练集/验证集/测试集划分、交叉验证、精确率/召回率/F1、AUC含义、逻辑回归损失函数、SVM核函数、K-Means缺点、KNN流程7. 聊聊这份老题对我的影响回头看2015年这份阿里算法实习笔试卷题目不算难但它考的都是我现在工作中天天会用到的底层能力。比如KMP的next数组思想后来在做敏感词过滤、字符串匹配时依然有用贝叶斯公式后来做业务风控、反作弊时更是天天挂在嘴边A/B测试的实验设计更是贯穿了我后来全部的策略迭代工作。我建议准备笔试的同学不要只看重“刷了多少题”更要关注“是否理解了每个算法为什么这么设计”。面试官真正想找的不是题库复读机而是能理解问题本质、能解决实际问题的人。如果你能把这份老卷子的每一道题背后的原理都吃透那你应对大多数互联网公司的算法实习笔试都不会有太大问题。最后分享一个实操小技巧是我后来带人时经常说的拿到任何一道算法题先别急着写代码先把输入输出的边界条件列出来再想用什么数据结构最后才是写代码。这个顺序能帮你避免至少一半的笔试题失误。祝大家笔试顺利。