2024秋招小米算法岗笔试全解析：考点题型与备考策略-育师

2024年秋招-小米集团-算法岗-第一批笔试

2024年秋招算法岗的笔试，小米算是启动比较早的那一批。我投的是算法工程师方向，第一批笔试做完之后最大的感受是：题目覆盖面比想象中宽，既考数据结构与算法基本功，也考机器学习深度学习理论，还夹带了不少工程落地相关的问题。这篇文章把这些考点、题型和踩过的坑整理出来，给后面几批笔试的同学一个参考。

先说结论：小米算法岗笔试的难度属于中上等，题量不小，时间有点紧。考察重点不是“偏题怪题”，而是基础是否扎实、代码写得是否熟练、对主流算法模型的判断是否清晰。如果你正在刷题或者正准备其他大厂算法岗笔试，这篇内容同样有参考价值。

1. 笔试整体情况与题型构成

1.1 考试时间与环境配置

小米秋招第一批笔试是线上进行的，使用牛客网平台。整体时间是90分钟，题量大概在30到40道之间。我当时抽到的卷子由三个部分组成：单选题、多选题和编程题。单选题大概15道左右，多选题10道左右，编程题两道。分值分布没有在页面里明说，但从题量和时间倒推，选择题至少占60%以上。

线上笔试最大的特点是不能回头改答案。选择题部分做完一题过一题，不能检查不能犹豫。这就对知识点的熟练度提出了要求，如果一道题需要想超过两分钟，基本可以判断这道题会挂。编程题倒是可以做完了反复调试，但总共两道题，时间花太多在选择题上，编程题就没时间了。

一个比较坑的细节：牛客网笔试环境支持本地IDE和在线编辑器切换，但代码提交后编译报错不算分。我遇到过同学把本地能跑的代码粘到在线编辑器后，因为头文件缺失导致编译失败的情况。所以平时练习一定要养成在牛客或者力扣环境里提交代码的习惯。

1.2 题型范围与考点分布

从我做过的题和其他参加第一批笔试同学的反馈来看，小米算法岗笔试的考点分布大致如下：

数据结构与算法基础：数组、链表、栈、队列、树、图、排序、搜索、动态规划、贪心，约占总題量的40%
机器学习与深度学习理论：损失函数、模型评估指标、常见模型原理、优化器、正则化，约30%
算法综合应用：工程场景题、策略设计题、数学推导题，约20%
编程题：两道代码题，占剩余10%的分值，但实际难度和区分度最高

这里要特别强调一下，行业里常见的“算法岗笔试只考机器学习”这个印象其实不太准确。小米这批笔试明确考了大量数据结构与算法的内容，包括KMP算法、堆排序、图的遍历这些经典题目，而且考得比较细。所以备考的时候“算法基础+机器学习”两条腿都要硬，只押一头容易翻车。

2. 核心算法考点拆解与备考要点

2.1 数据结构与基础算法：不只是刷题，更要懂原理

这批笔试在数据结构部分考得挺细的。我印象比较深的一道题是关于KMP算法的next数组，给了一个模式串，让计算next数组的值。这道题考察的不仅是背代码，而是真正理解KMP的原理。很多同学刷题时知道KMP比暴力匹配快，但为什么快、next数组怎么递推，就说不清了。

KMP的核心思想是利用已经匹配的部分信息，让模式串在失配时尽量向右滑动更多距离，避免主串指针的回退。next数组记录的是模式串每个位置之前的子串中，最长的相同前缀后缀长度。举个简单的例子，模式串abacaba的next数组，手工推导的要点是：

a前面没有子串，next值为0
ab没有相同前后缀，next值为0
aba有最长相同前后缀a，长度为1
abac没有相同前后缀，next值为0
abaca有相同前后缀a，长度为1
abacab有相同前后缀ab，长度为2
abacaba有相同前后缀aba，长度为3

笔试时这类题不会让你写整个算法，而是给你几个关键位置让你求值，要么就是判断某个步骤的工作原理。但如果你只会“背模板”，遇到稍微变形就露馅了。我的建议是，数据结构部分的每个算法，至少要能达到“手推一遍执行过程”的程度，而不是只看代码。

2.2 排序算法：复杂度、稳定性、适用场景的辨析

排序算法是选择题的重灾区，几乎每年必考。今年小米这批笔试题里就有一道关于堆排序的应用题：给定一个无序数组，要求用堆排序求前K个最小元素，问时间复杂度和空间复杂度各是多少。

这类题的常见误区是把堆排序和堆的建堆过程混为一谈。堆排序本身的时间复杂度是O(nlogn)，但求前K个最小元素用堆实现的话，建一个大小为K的大顶堆，遍历数组依次维护堆，整体时间复杂度是O(nlogK)，空间复杂度是O(K)。如果你在选项里看到了O(nlogn)以为是无脑选，就掉坑了。

关于排序算法，比较推荐把以下要点整理成表格：

冒泡排序：稳定，O(n²)，最好O(n)，适合基本有序的小规模数据
快速排序：不稳定，平均O(nlogn)，最坏O(n²)，工程中最常用的排序算法
归并排序：稳定，O(nlogn)，需要O(n)额外空间，适合链表排序和外部排序
堆排序：不稳定，O(nlogn)，原地排序，适合海量数据TopK问题
计数排序/桶排序/基数排序：非比较排序，桶排序在数据均匀分布时可达到O(n)

笔试考排序，核心是考你“在什么场景下选什么算法”的判断力。比如数据量巨大但取值范围很小，计数排序远优于快速排序。这个决策能力比手写某个排序更接近真实工程中的情况。

2.3 贪心算法与动态规划：边界条件和递推关系

编程题和选择题中，贪心与动态规划都是重点项目。小米这批笔试的选择题里有一道经典的贪心应用题——区间调度问题：给定若干区间的起止时间，求最多能选择多少个互不重叠的区间。这个问题的标准解法是按照结束时间排序，然后贪心地选。

如果是编程题遇到动态规划，最容易丢分的点不是递推写不出来，而是边界条件处理错了。以经典的“最长递增子序列”为例，很多同学会忘记初始化dp数组为1，导致长度为1的序列输出0。这类细节就是笔试的区分点。

动态规划考察的核心是“状态定义”和“状态转移”。我个人的做题习惯是，拿到题目先不急着写代码，先用一句话说清楚dp[i]表示什么，再想dp[i]怎么从之前的状态转移过来。如果状态定义清楚了，转移方程基本就是抄一遍的问题。

2.4 机器学习与深度学习理论：模型原理和评价指标

机器学习理论在小米算法岗笔试里占比不低。印象比较深的一道多选题，问的是关于梯度下降优化器的描述，哪些是正确的。选项涉及SGD、Momentum、RMSProp和Adam。这道题如果只是知道名字，根本选不对，必须了解每个优化器的更新公式和特性。

给大家几个考点整理：

损失函数与风险函数的关系，交叉熵与KL散度的联系
精确率、召回率、F1、AUC的定义和适用场景
L1正则化为什么会产生稀疏解，L2正则化为什么能防止过拟合
SVM的核函数选择、软间隔含义
决策树的信息增益、信息增益率、基尼系数
随机森林与GBDT的区别，Bagging和Boosting的本质差异
梯度消失和梯度爆炸的原因及常见解决方案
常见的激活函数及其导数形式，ReLU为什么会死神经元

我笔试时遇到的一道比较综合的单选题：给定一个二分类问题，1000个样本中有950个正样本和50个负样本，问在AUC和准确率两个指标中，哪个更不适合作为评价指标，以及原因。答案是准确率不适合，因为当正负样本极不平衡时，模型把所有样本都预测为正类，准确率仍然高达95%，掩盖了模型对负类的识别能力。这类题不算难，但需要平时理解指标的本质，而不是背AUC的取值范围。

2.5 算法综合应用：策略设计题和数学题

除了常规考点，小米这批笔试还出现了一些综合应用题。比如有一道场景题：在电商推荐场景中，如何对一个用户在一个月内的访问序列进行异常检测，要求给出算法思路和时间复杂度。这类题属于开放设计题，没有标准答案，但考察的是你能否把学过的算法迁移到真实业务里。我当时答的是基于统计规则的方法，比如滑动窗口计算访问频率的历史均值和标准差，如果当前窗口的频率超过均值加三倍标准差，就判定为异常点。本质上就是简单的异常检测思想。

这类题没有绝对的对错，重要的是逻辑自洽。建议答题时先说明场景特点，再给出算法选择理由，最后补充复杂度和边界情况处理。这种结构化表达在算法岗面试和笔试中都是加分项。

3. 笔试实操：编程题的完整答题流程

3.1 题目类型与难度分析

编程题部分通常会给出两道算法题，难度在力扣中等偏上。我这次遇到的两道题，一道是“数组中的最長连续子序列长度”，要求时间复杂度尽可能低，另一道是“二叉树的层序遍历变种”，需要返回自底向上的层序结果。

两道题都不算冷门，但因为时间受限，如果第一遍没有很快想出思路，就很容易慌张。所以这里想分享一下我梳理出的答题流程，每个步骤对应时间分配也有参考价值：

阅读理解题目，提取输入输出格式，耗时2-3分钟
确定算法框架（暴力法还是优化法），写出伪代码思路，耗时3-5分钟
编写代码，注意变量名和边界条件，耗时10-15分钟
用简单的测试用例自测，包括边界情况，耗时5分钟
提交前检查数据范围是否可能溢出，耗时2分钟

3.2 典型编程题解题过程与代码参考

以“数组中的最长连续子序列”为例，这道题要求不改变原数组顺序，从中选出若干个数组成一个长度最长的子序列，保证这些数在原数组中的相对顺序不变，且数值严格递增。这道题最常见的解法是动态规划，时间复杂度O(n²)，但题目如果数据范围到10^5，这个复杂度会超时。

状态定义：dp[i]表示以第i个元素结尾的最长递增子序列长度。状态转移：对于每个j小于i，如果nums[j] < nums[i]，则dp[i] = max(dp[i], dp[j] + 1)。边界条件：每个位置初始化为1。

但如果只按这个思路写，遇到大量数据时过不了。优化的方向是用贪心加二分：维护一个tails数组，tails[k]表示长度为k+1的递增子序列中末尾元素的最小值。遍历每个数，在tails里二分找到第一个大于等于当前数的位置并替换。这样时间复杂度降为O(nlogn)。

下面用C++实现这个优化版本：

#include <bits/stdc++.h> using namespace std; int lengthOfLIS(vector<int>& nums) { vector<int> tails; for (int x : nums) { auto it = lower_bound(tails.begin(), tails.end(), x); if (it == tails.end()) tails.push_back(x); else *it = x; } return tails.size(); } int main() { int n; cin >> n; vector<int> nums(n); for (int i = 0; i < n; i++) cin >> nums[i]; cout << lengthOfLIS(nums) << endl; return 0; }

注意：这里用的lower_bound是标准库的二分查找，返回第一个不小于x的位置。把x替换为更小的值，保证了后续更长的子序列可以接上。这个技巧笔试时如果能写出来，是明显的加分项。

3.3 时间分配策略：选择题控制在60分钟内

编程题虽然占比不算大，但非常影响心态。我的建议是：如果选择题已经做了40分钟还没有做完，果断放弃剩余的选择题，先花20分钟把编程题的第一道做出来。因为一道编程题的通过率比五道选择题还值钱，而且编程题写完了心态会比较稳。

整体时间分配可以参考：

单选题：20分钟，平均每题1分钟左右
多选题：25分钟，平均每题2分钟左右
编程题第一题：25分钟
编程题第二题：20分钟

如果选择题卡住了，千万不要恋战。线上笔试的选择题一题过了就过了，多纠结两分钟，后面编程题就少两分钟。我第一道多选题想了三分钟，后面编程题差点没写完，这个教训希望大家不要重演。

4. 备考路线与做题策略：秋招笔试怎么准备

4.1 刷题优先级与经典算法清单

如果准备时间有限，先刷以下高频内容：

数组与字符串：双指针、滑动窗口、前缀和、二分查找
链表：反转链表、快慢指针、链表相交
树：二叉树的遍历（前中后序、层序）、树的最大深度、最近公共祖先
图：拓扑排序、DFS与BFS遍历、最短路径（Dijkstra、Floyd）
动态规划：背包问题、最长回文子序列、编辑距离
贪心：区间调度、跳跃游戏、分发饼干
排序：快速排序、堆排序、归并排序的手写
字符串：KMP、Trie树、字符串哈希
机器学习算法：聚类算法K-Means、KNN分类、朴素贝叶斯、线性回归与逻辑回归

小米笔试多选题中有一道关于K-Means聚类算法的题，问的是哪些操作可以改善聚类效果。正确答案包括选择合适的K值（如使用肘部法则）、采用K-Means++进行初始化、多次运行选择最小的SSE等。这道题不算难，但提醒我们算法不能只刷数据结构，机器学习算法原理也要啃扎实。

4.2 手撕代码的训练节奏

编程题训练建议按照“三遍法”来做：

第一遍：看题后尝试独立思考，如果20分钟没有思路，直接看题解，弄清核心思路就好
第二遍：看完题解后合上书或网页，自己完整写一遍，写到能通过所有测试用例为止
第三遍：隔天不看任何参考，手写完整代码，重点检查边界条件和时间复杂度

这个节奏比“一天刷十道但每道都看题解”要有效得多。真实笔试时，没有题解可看，平时不训练“独立完整输出代码”的能力，考场上就会大脑空白。

4.3 注意米哈游字节等大厂笔试中的算法岗通用能力

虽然标题是小米，但秋招笔试的考查逻辑在各家之间其实是共通的。投递小米的同时基本上也会投字节、腾讯、美团、阿里等公司，而各家算法岗笔试的共性大于差异：

数据结构与算法是必考的，题量可能不同但占比都高
机器学习和深度学习理论越来越受重视
编程题都是两道左右，难度在力扣中等区间
线上笔试平台以牛客为主，少量用赛码

所以我个人的建议是，不用针对某一家公司单独准备，而是按“算法岗通用笔试”去做准备。把力扣热门100题刷完，再补一遍机器学习的核心概念，基本能够覆盖80%以上的考点。剩下的20%靠临场发挥和心态。

5. 线上笔试的实战细节与避坑经验

5.1 编码习惯与自测技巧

编程题最容易丢分的地方不是算法不会，而是细节出错。我总结了几个使用本地IDE和在线编辑器时需要注意的坑：

输入读取不完全。某些题目有多组测试用例，如果代码只处理了一组就输出结果，得分会很低。建议使用while循环读取，直到EOF为止。

数组越界和内存溢出。尤其是动态规划题目，如果开数组大小为n而不是n+1，访问dp[n]时就会越界。笔试环境不会给很友好的报错信息，可能直接显示运行错误，容易手忙脚乱。

浮点数比较问题。题目要求保留六位小数，有的人直接printf("%.6f", ans)，但没有处理浮点误差。建议在比较浮点数时加上一个很小的epsilon值，比如1e-8。

提示：编程题提交后只能看到通过率，不显示具体错误用例。如果通过率不是100%，优先检查边界条件，比如空数组、单元素数组、全部相同元素的数组。

5.2 时间管理与心态调整

线上笔试和线下面试不同，没有面试官提醒时间，也没有交流环节。页面右上角的倒计时一旦开始，就只能靠自己掌握节奏。我个人的策略是：

前30分钟专注做选择题，不纠结不纠结再纠结
30分钟到45分钟：做第一道编程题
45分钟到70分钟：做第二道编程题
最后20分钟：回头检查选择题中拿不准的题目（如果有时间）

当然这个节奏要灵活调整，如果第一道编程题很简单，15分钟就AC了，剩余时间就可以多花在选择题上。重点是不要因为某一道题卡壳，导致后面所有题都受影响。

5.3 多选题的技巧：宁少勿多

多选题的评分规则一般是漏选得部分分，错选、多选不得分。所以如果一道多选题目拿不准某个选项是否正确，最好不选。不要抱着“多选一个说不定能碰到”的侥幸心理，大概率会因此整道题零分。

举个例子，有一道关于过拟合解决方法的多选题。选项里有一个是“增加训练数据量”，一个是“降低模型复杂度”，一个是“提高学习率”，一个是“加入L2正则化”。前两个和最后一个都是正确的，但“提高学习率”这个选项有争议——学习率过大可能导致不收敛，但一定程度上它也起到了正则化的效果。如果你没有把握，就不要选学习率那个选项，保住其他三个选项的部分分。

这个策略帮我拿到了不少多选题的分，建议大家以后遇到类似题型都采用。

5.4 简历方向与笔试内容的匹配度思考

最后说一个不太常被提及的点：算法岗笔试的内容和你在简历上写的方向是有关系的。

如果简历是图像算法方向，笔试试卷会在机器学习理论之外多考一些图像预处理、卷积神经网络结构的内容。如果简历是推荐算法方向，可能多考一些用户行为序列建模、Embedding、多任务学习的内容。我当时投的是通用算法方向，所以试卷内容比较均衡。

这提醒大家，投递简历时方向一定要和自己的能力匹配。简历上写了三个方向，但每个方向都只有项目没有深度，笔试时反而容易出现“什么都考、什么都不熟”的尴尬。聚焦1到2个方向，把相应领域的经典算法吃透，效果会好很多。

6. 笔试后的复盘与下一步准备

不管笔试结果如何，考后24小时内做复盘是价值最高的。拿我自己的经验来说，笔试结束后我会立刻把自己记得的题目整理出来，对照答案判断对错，找出知识盲区，然后针对性地补充。这样做两三次之后，后续几家大厂的笔试通过率会明显提升。

对于不确定的选择题，可以在牛客网或者社区里找同批次笔试的同学讨论。笔试题目通常不会公布官方答案，但大家拼凑起来基本能还原考点和正确思路。这个过程也是积累解题思路的过程，比单纯刷题更高效。

还有一点，笔试只是秋招流程的第一步，后面还有面试。小米面试中经常会让手写代码和深挖项目，笔试中暴露出来的算法薄弱点，如果能在面试前补齐，反而是一次很好的查漏补缺机会。所以不要因为笔试没考好就灰心，关键是下次不再踩同样的坑。

2024秋招小米算法岗笔试全解析：考点题型与备考策略