职位题库

算法工程师面试题库

面向算法工程师相关面试,围绕强化学习、算法、机器学习、GRPO、动态规划等主题展开练习,结合题目考察点、回答思路、参考答案和常见误区,梳理知识要点并练习清晰表达。

65 道题目建议用时 195 分钟专项面试练习

全部题目 65 道题

01

给定一个正整数数组,如何选取尽可能多的元素使乘积为奇数?最多能选多少个?

考察对奇数乘积条件的理解(乘积为奇数当且仅当所有因子均为奇数),以及简单的计数与边界处理能力。
02

给定 n 个正整数,可以任意排列挑选数字组成序列,要求奇偶交替且严格递增,求序列最大长度。

考察将问题转化为排序后按奇偶分组并构造最长交替递增序列的能力,涉及贪心或动态规划思想。
03

请设计算法求解:在直线巷道上同时派出尽量多的无人矿车,使任意时刻两车不重叠,并说明为什么该问题可以转化为最长递增子序列问题。

考察候选人将实际运动避碰问题抽象为LIS模型的能力,以及贪心+二分的实现细节。
04

给定一条长度为m的路,送货员从某点出发,随机出现在路上的p处,每次送货后返回或继续?请设计算法求最终位置。

考察候选人将实际问题抽象为算法模型的能力,包括状态定义、随机过程处理和边界条件考虑。
05

请设计一个算法,模拟矿车在一条跑道上往返运动,并计算转向次数、最终位置和方向。

考察候选人将实际问题抽象为算法模型的能力,以及对边界条件和模拟过程的处理。
06

GRPO 训练时,除了 reward,还要盯哪些指标?指标异常分别意味着什么?

考察候选人对 GRPO 训练过程中关键监控指标的掌握程度,以及能否将指标异常与训练问题建立因果联系。
07

Agentic RL 的训练数据从哪里来?一条可训练轨迹至少要保留什么?

考察候选人对 Agentic RL 数据来源与轨迹记录规范的理解,尤其是对“模型当时可见状态”的重视程度。
08

SFT 数据从哪里来?怎样防止把错误的工具使用方式教给模型?

考察候选人对 SFT 数据来源与质量筛选的理解,尤其是对工具调用样本的细粒度校验能力。
09

按成功轨迹采集数据,会引入什么偏差?怎么处理?

考察候选人对成功轨迹采集偏差的识别与缓解能力,尤其是对幸存者偏差和捷径放大的理解。
10

什么时候继续做 SFT,什么时候切到 RL?

考察候选人对 SFT 与 RL 适用边界的判断能力,以及能否根据模型行为与任务特性选择训练阶段。
11

请实现一个函数,根据给定的真实标签和模型风险分计算 AUC,要求分数相同的样本使用平均名次,结果保留 6 位小数。

考察候选人对 AUC 的秩统计计算方法的理解,以及处理并列名次的能力。
12

给定一个包含并列分数的排序问题,如何高效地计算每个样本的平均名次?请描述算法并分析复杂度。

考察候选人对排序和名次计算的基本功,特别是处理并列情况。
返回面试题库