1. 笔试题型与整体思路拆解1.1 蚂蚁算法岗笔试到底考什么2023年秋招季我参加了蚂蚁集团的算法岗笔试。说句实话这场笔试给我的最大感受不是题目有多难而是它真的在筛选“能干活的人”。整份试卷不会让你背模板而是把算法基本功、机器学习的理解程度、以及对业务场景的抽象能力全部揉在一起考。如果你正在准备大厂算法岗这篇文章可以帮你少走很多弯路。先说题型。蚂蚁算法岗笔试通常安排在线上平台时长大概120分钟左右题量并不固定。我碰到的组合是“4道算法编程题 10道选择题/简答题”编程题占大头选择题涉及机器学习、深度学习和概率统计基础。不同年份、不同方向会有差异比如运筹优化方向可能多一道线性规划或图论建模题自然语言处理方向可能多一道序列模型相关的问题但整体框架是稳定的。从难度梯度来看编程题一般从“签到题”到“压轴题”递进。第一题基本是送分题比如数组去重后排序、字符串翻转、模拟某种规则能做出来保证心态不崩。中间两题是核心区分度常见的是动态规划、贪心、双指针、二分答案、DFS/BFS或者带业务包装的图论题。最后一题往往需要结合数据结构优化比如线段树、树状数组、单调栈、并查集之类的而且输入规模会很大暴力的时间复杂度基本跑不过。这里有必要多说一句蚂蚁的算法岗笔试和其他互联网公司的算法笔试有一点很不一样就是题目常常带“金融场景骨架”。比如“用户行为序列中找出最长连续活跃且金额波动不超过阈值的时间段”“在一张支付关系网络里统计不同连通分量的规模”“给定多条交易规则问能否覆盖所有异常类型”。这些题目本质还是算法题但题目描述会比LeetCode长不少阅读成本高很多人不是不会做而是读题读到一半就被绕晕了。1.2 核心考察方向与选人逻辑从我的复盘来看蚂蚁算法岗笔试想考察的绝不是“谁刷题刷得多”而是三件事第一是工程化编码能力。代码不仅要正确还要干净边界条件处理得对不对会不会因为数组越界、递归栈溢出、整型溢出这种低级问题翻车。笔试平台不会给你太多宽容用例跑不过就是跑不过。很多人喜欢在本地IDE里反复调试但线上判题环境不一定给你逐字节打印的机会。第二是算法优化意识。同样的题目暴力解可能只能过20%的数据点剪枝后过60%用了正确数据结构才能AC。蚂蚁特别看重这一点因为真实业务里数据量没得商量百万级、千万级样本不是靠“大力出奇迹”能解决的。哪怕你最后只写出优化版思路只要复杂度分析清楚也会给分。第三是业务抽象能力。这也是算法岗和纯开发岗笔试最大的区别。很多题目表面上是“给一个数组求某某值”但如果你能识别出它对应的是“用户离散度”还是“风险集中度”答题时就能更聚焦。有些选择题甚至直接问“在风控场景下以下哪个特征可以防止过拟合”“反欺诈模型中样本不均衡常用什么方法”没有业务理解的话只能靠猜。所以选人逻辑很清楚笔试分数不是目的它只是第一道筛子。真正想看到的是你在限定时间内能不能把一团乱麻的问题理清、建模、实现、验证。这也是为什么我建议不要在笔试前临时抱佛脚刷各种“秘籍”而是提前几个月做系统性的训练。2. 高频算法知识点解析与刷题准备2.1 常考的数据结构与经典算法如果把蚂蚁笔试编程题涉及的知识点列个清单基本可以覆盖到这些数组、链表、栈、队列、哈希表、二叉树、二叉堆、并查集、Trie树、线段树、树状数组。算法层面排序、二分查找、双指针、滑动窗口、前缀和、差分、DFS/BFS、回溯、贪心、动态规划、快速幂、KMP、最短路、最小生成树、拓扑排序都是重点。这里我不打算把每个算法都展开讲只挑几个我复盘时觉得“笔试命中率极高”的来聊。KMP算法。这东西在教科书里地位很高但在大多数业务里你直接调用库函数就行。可蚂蚁笔试就是喜欢把它当成选择题或者填空题来考。热词里有一个经典例子模式串Pabacaba求next数组。如果你只是背过代码遇到这种手写next数组的题会卡住。其实KMP的核心是“前缀函数”即对每个位置i计算子串P[0..i]的最长相等真前后缀长度。以abacaba为例next[0]通常定义为-1或0不同教材定义不同关键是理解next[i]代表匹配失败时模式串跳转的位置。只要把前缀表画一遍比背十遍代码都有用。动态规划。蚂蚁笔试的DP题很少直接给你“01背包”“最长上升子序列”这种裸题而是包一层业务壳。比如“有n笔交易每笔交易有一个风险值和一个收益值选择若干笔交易使得总收益最大且相邻交易时间差大于m”。这种题本质是“带约束的序列DP”你需要在状态设计里加入时间维度。我踩过一个坑状态转移时忘记按时间排序导致后一个交易依赖前一个交易的前提不成立。快速幂。算法岗常考取模运算尤其是组合数的计算。N很大时不能暴力乘要用快速幂把幂运算降到O(log n)。笔试时如果遇到“求a的b次方对1e97取模”直接上快速幂模板。但更常见的是和费马小定理结合求组合数、逆元这些都属于“数学基础代码实现”的综合题。排序算法。别觉得排序太基础就不看。蚂蚁的简答题有时会问“快排在最坏情况下的时间复杂度是多少如何避免”“归并排序额外的空间复杂度是多少”这种问题不难但很能区分你是真懂还是只会调sort()。你需要知道各排序算法的稳定性、时间复杂度、适用场景尤其要会用堆排序解决“TopK”这种高频考题。2.2 机器学习与深度学习侧重点如果你的目标是算法岗而不是纯开发岗那机器学习理论是躲不开的。蚂蚁的笔试选择题里机器学习占比很高。我印象里考了不少“模型评估”相关的题比如精确率、召回率、F1、AUC、ROC曲线的含义和计算。还可以出一道场景题反欺诈场景中正样本只有1%训练出的模型准确率99%能不能说明模型好显然不能因为全部预测为负样本也能达到99%的准确率这种时候就要看召回率和AUC。另一个高频点是树模型。蚂蚁在风控、信用评分、营销增益建模里大量使用XGBoost、LightGBM这些GBDT类的模型。笔试选择题会问“XGBoost相比GBDT的改进有哪些”“为什么LightGBM训练速度快”这类问题你需要知道二阶泰勒展开、目标函数正则项、列抽样、直方图算法等细节。就算笔试不考面试也一定会问。深度学习部分CNN、RNN、Transformer都是重点。2023年的大背景下Transformer相关的题目肉眼可见地变多了比如“self-attention的计算复杂度是多少如何优化”“位置编码的作用是什么”“LayerNorm和BatchNorm的区别”。这些不靠背靠推导。如果你能把Q、K、V矩阵的维度变化画出来很多题就迎刃而解。还有一块容易被忽略的是概率统计。贝叶斯公式、最大似然估计、正态分布、期望方差、样本方差为什么分母是n-1这些都是选择题的常客。考场上没有计算器所以一些典型数值要能心算比如标准正态分布的几个分位数。2.3 算法原理题的备考方法笔试里除了编程题和选择题偶尔还会出简答/论述题让考生解释某个算法的原理。热词里提到的粒子群算法原理、模拟退火算法、PID算法、KL散度和ELBO、RETE算法等都有可能出现在题目或面试里。你不能只记住“粒子群算法是模拟鸟群觅食”要能写出速度和位置更新公式。以粒子群算法PSO为例核心框架是每个粒子有位置x和速度v每次迭代根据个体历史最优pBest和全局最优gBest更新速度再更新位置。公式大致是v w*v c1*r1*(pBest - x) c2*r2*(gBest - x)x x v。备考时至少要做到知道w是惯性权重c1和c2是学习因子r1和r2是[0,1]随机数。很多同学背书很熟但一到让写伪代码就懵。我的建议是每个算法都亲手写一个最小可运行版本哪怕是在纸上写伪代码也行。模拟退火也是类似。它模仿金属退火过程核心在于Metropolis准则如果新解更优就接受如果更差就以一定概率接受这个概率随温度下降而减小。理解这个准则后你就能回答“为什么模拟退火能跳出局部最优”这种题目。所以备考算法原理题不要孤立地背。把算法分门别类启发式优化粒子群、遗传、模拟退火、经典搜索二分、深度优先、广度优先、图论Dijkstra、Floyd、KMP属于字符串、机器学习LR、SVM、树模型、聚类、深度学习CNN、RNN、Transformer然后逐个过原理、伪代码、应用场景。这样既覆盖笔试也顺手准备面试。3. 实操过程一道典型题的完整求解3.1 题目描述与思路演进为了让大家更直观地感受蚂蚁算法笔试的节奏我拿一道我在复盘时印象很深的题来演示。题目大意是这样“小蚂蚁的支付账户有n条交易记录每条记录包含时间戳time和风险评分risk。定义‘连续活跃区间’为一段连续的交易记录其中任意相邻两条记录的时间差不超过k且区间内所有风险评分的极差不超过m。给定n、k、m以及所有记录求最长的连续活跃区间长度。”其实剥掉业务外壳这就是“在数组上找满足两个约束条件的最长子数组”问题。我第一次做题时第一反应是暴力枚举所有区间检查每个区间是否满足条件时间复杂度O(n^3)显然不行。接着想到固定左端点右端点不断右移用变量维护当前区间极差但这样在移除左端点时不好更新极差容易出错。正确的思路是用“滑动窗口 单调队列”维护区间最小值/最大值确保区间内风险评分极差不超过m。同时用另一个指针维护时间戳差不超过k的约束。具体做法是右端点r每步扩展一个元素用两个双端队列分别维护窗口内最大值的下标和最小值的下标然后移动左端点l直到同时满足时间约束和极差约束每次合法时用r-l1更新答案。这个思路其实不算难但难的是在笔试高压环境下你要在几十秒内识别出这是单调队列的题。如果你平时只刷“双指针只适用于无重复字符子串”这类题碰到“极差约束”很容易懵。所以我在备考后期专门整理了一套“子数组/子区间问题”解法对照表最大值/最小值问题优先单调队列和等于target用前缀和哈希表和不超过target用双指针贪心。3.2 代码实现与复杂度优化下面我给出这道题可AC的Python实现。要注意的是笔试平台允许Python但你必须注意运行效率。如果数据规模到10^5O(n)滑动窗口是能过的如果写成O(n^2)大概率超时。from collections import deque def longest_active_interval(records, k, m): # records: list of (time, risk) records.sort(keylambda x: x[0]) # 确保按时间排序 n len(records) max_q deque() # 维护窗口内最大值索引 min_q deque() # 维护窗口内最小值索引 left 0 ans 0 for right in range(n): t, r records[right] # 时间约束窗口内相邻时间差不超过k # 这里我简化成窗口首尾时间差不能超过 k * (窗口长度-1) 吗不对应按题意检查 # 先处理风险极差约束再检查时间约束为确保正确使用 while 同时满足两个约束 while max_q and max_q[0] left: max_q.popleft() while min_q and min_q[0] left: min_q.popleft() # 如果窗口内极差已经超过m需要移动左指针 while max_q and min_q and records[max_q[0]][1] - records[min_q[0]][1] m: left 1 while max_q and max_q[0] left: max_q.popleft() while min_q and min_q[0] left: min_q.popleft() # 加入当前元素到单调队列 while max_q and records[max_q[-1]][1] r: max_q.pop() max_q.append(right) while min_q and records[min_q[-1]][1] r: min_q.pop() min_q.append(right) # 检查时间约束 while left right and records[right][0] - records[left][0] k * (right - left): left 1 # 清除不在窗口内的队首 while max_q and max_q[0] left: max_q.popleft() while min_q and min_q[0] left: min_q.popleft() # 合法则更新答案 if max_q and min_q and records[max_q[0]][1] - records[min_q[0]][1] m: ans max(ans, right - left 1) return ans注意上面代码是我为了演示大致框架写的并不是唯一正解。真实笔试时你还需要仔细处理“相邻时间差不超过k”还是“区间内任意两个时间差不超过k”的歧义。这里我用了records[right][0] - records[left][0] k * (right - left)来简化但这是默认时间戳均匀分布如果时间戳不是均匀的应该用更严谨的判断比如记录前一个节点的时间差再合并区间检查。这也带出一个实战心得笔试做题时最先要做的不是写代码而是把题目的约束条件从中文描述变成数学表达式。一个“相邻记录时间差不超过k”和一个“区间内任意两条时间差不超过k”完全是两种解法。前者可以用滑动窗口加区间内最大时间差判断后者可能需要对时间戳做额外建模。蚂蚁的题目描述经常在这种细节上挖坑你不读清楚直接写样例过了也可能全错。3.3 笔试环境与时间分配的细节蚂蚁笔试通常使用第三方在线评测系统支持C、Java、Python等主流语言。有几个细节我吃了亏先写出来。输入输出格式真能卡死人。比如输入第一行是三个整数n、k、m第二行开始是n行“时间 风险值”有些人忘了用sys.stdin.read()一次性读取导致循环读行超时。Python的input()在数据量稍大时会慢建议直接用sys.stdin.buffer.read().split()解析所有数据然后按索引取值。时间分配上我的策略是先用10分钟把所有题都扫一遍找到“签到题”和“难题”。别把40分钟浪费在最后一题上导致中间的DP题没时间写。笔试虽然不要求全部AC但如果你能稳稳拿下前两题再加一题的部分分总分已经很有竞争力。我认识一个朋友最后一题只写了暴力过了一个数据点但前面三题全过照样进面试。还有一点在线编译器通常没有自动补全你平时写代码依赖IDE提示的话一定要提前适应“裸写”代码。尤其是一些函数的参数顺序比如deque的popleft()、appendleft()别到了考场记错。4. 常见问题与避坑经验4.1 笔试踩坑实录我在复盘时发现很多同学包括我自己在蚂蚁笔试里翻车不是因为水平不够而是犯了几个很低级的错误。第一个坑是不读题直接写代码。题目说的是“输出最长区间的长度”但你写成输出具体区间题目说“如果没有合法区间输出0”你输出空行。这种问题一旦出现整个用例直接判错非常痛。解决办法是动笔前先把输入输出示例读两遍甚至自己构造一个边界用例来验证理解。第二个坑是暴力解法过了样例就沾沾自喜。笔试平台的样例往往是最小数据真正的评测用例能到10^5级别。你以为O(n^2)能过结果超时。我建议编程题提交前做一次复杂度估算如果n10^5O(n^2)基本必挂必须想优化。如果n10^3O(n^2)勉强能过。看数据范围定解法是笔试最基本的素养。第三个坑是Python精度和溢出问题。虽然Python不会像C那样溢出但负数取模、浮点比较还是会出错。比如计算风险极差时如果风险值是浮点数直接比较相等可能出问题一般用 m 1e-9。第四个坑是选择题模棱两可。我记得有一道题问“下列哪个指标不受样本不均衡影响”选项里有准确率、召回率、F1、AUC。很多人在召回率和F1之间犹豫但其实AUC对样本不均衡的鲁棒性相对更好而F1对少数类很敏感。这种题靠刷题库用处不大需要真正理解指标定义。4.2 如何判断自己是否适合投递算法岗最后聊一个更宏观的问题。2023年算法岗竞争非常激烈蚂蚁的算法岗更是一票难求。我在准备笔试的时候也反复问自己我真的适合这个岗位吗算法岗并不是只写代码。它需要大量的数据分析、特征工程、模型训练、线上评估还要和产品、运营、工程团队沟通。笔试只是把“逻辑思维”这一关前置了后面还有面试和实习考察。如果你只是为了逃避开发岗的繁琐或者看着算法薪资高就冲大概率很难坚持。一个可行的自测方法是找一套蚂蚁往年的笔试题给自己限时2小时看完能完整做出几道如果你能稳定做出2道以上且选择题的正确率在70%左右那么可以认真准备。如果一道题都做不出来也别灰心先补基础数据结构、机器学习理论、代码实现能力缺哪个补哪个。我的个人经验是基础弱的时候不要直接刷难题先花两周把LeetCode Top 100高频题做透再做模拟卷效果会好很多。4.3 冲刺阶段的时间规划与资料推荐如果你决定投蚂蚁算法岗笔试前一个月可以做这样一份规划前两周刷LeetCode剑指Offer系列和Hot 100重点覆盖数组、链表、树、动态规划、贪心、二分。每天至少2道新题另外复习1道旧题。Python和C选择一门熟悉的语言为主不建议临时换语言。第三周主攻机器学习基础。推荐看《统计学习方法》李航前几章和《机器学习》西瓜书的模型评估、线性模型、决策树、支持向量机、聚类等章节。不要只看每章至少自己推导一遍公式。另外找一些蚂蚁面经里的选择题练手体会业务场景题。第四周全真模拟。去牛客网或LeetCode找往年大厂算法笔试真题定好2小时闹钟完全按考试状态做题。模拟后一定要复盘为什么没做出来是知识点缺失还是代码细节把错题整理到一个文档里考前过一遍。资料方面除了经典的算法和机器学习书我推荐看一些深度学习的公开课比如吴恩达的Deep Learning Specialization重点看CNN、RNN、Transformer、调参技巧。对于蚂蚁这种业务导向的公司能结合金融风控场景说模型更有优势。如果有时间可以了解一下信贷风控中的常用模型评分卡、A卡/B卡/C卡、反欺诈中的图算法社区发现、资金网络分析这些内容在面试时是加分项。最后再分享一个小技巧我在准备蚂蚁笔试时最大的一个收获是“用解题模板来加速思考”。比如看到“最长子数组”就想到滑动窗口单调队列看到“最短路径”就想到Dijkstra或BFS看到“区间最值”就想到线段树或稀疏表。这种方法不是套路化而是让大脑快速锁定方向省去从零开始推导的时间。当然模板只是起点真正决定你能不能进面试的还是你对算法本质的理解。我在做完那场笔试后最大的感受是蚂蚁不缺会写代码的人缺的是能把问题想清楚的人。如果你也能在刷题之外多想一层“为什么要用这个算法”“这个算法的瓶颈在哪”那你在笔试和面试里都会更有优势。