58同城2023校招算法笔试我前后准备了两周最后顺利拿到了面试通知。现在回头看这场笔试的考察风格和牛客网上传的不少大厂题海战术不太一样它更看重基础算法的扎实程度和思维灵活性尤其爱在排序、字符串匹配、动态规划这几个方向做文章。这篇文章我不想罗列题目答案而是把整场笔试的考察逻辑、高频考点、我踩过的坑和复盘思路完整拆一遍给后面要参加类似校招笔试的同学做个参考。1. 这次笔试到底在考什么从岗位JD反推考察面投递58同城算法岗之前我先仔细研读了岗位描述。校招算法岗不像社招那样要求特定业务方向更看重候选人的通用算法功底和机器学习基础这也决定了笔试的出题范围不会特别偏门但绝对会在基础细节上挖坑。我记得58同城2023校招笔试一共分几个部分单选题、多选题、编程题有的批次还有简答题。单多选覆盖了数据结构、算法原理、机器学习基础、深度学习基础编程题一般是2到3道ACM风格题目难度梯度拉得比较开第一道送分最后一道有区分度。从热搜词里那些高频词也能看出当前算法岗笔试的主流风向粒子群算法原理、KMP算法、堆排序算法、贪心算法、模拟退火算法、Dijkstra算法、快速幂算法、KNN算法、卡尔曼滤波算法、强化学习算法等。这些词放在一起能明显感觉到考察面是经典算法机器学习基础双线并行而且经典算法的出镜率远高于冷门模型。我建议准备58同城这类互联网公司校招算法笔试时优先把时间花在这些方向数据结构数组、链表、栈、队列、哈希表、树二叉树、二叉搜索树、平衡树、堆、图经典算法排序快排、归并、堆排、二分查找、KMP、动态规划、贪心、回溯、BFS/DFS、Dijkstra、快速幂机器学习基础常见损失函数、梯度下降变体、过拟合与正则化、模型评估指标、经典分类/聚类算法原理深度学习基础反向传播、CNN/RNN结构、激活函数、常见优化器安全提示我全程不会提及任何通过非常规手段或代理访问网络的工具也不会讨论相关话题大家放心阅读。2. 高频考点逐个拆解不只是会写代码还要懂原理2.1 排序算法快排的退化与堆排的稳定实现笔试中排序算法几乎是必考的但58同城的考察方式不是让你背时间复杂度表而是给具体场景让你选最优算法或者在编程题里要求你手写排序的变种。比如有一道选择题是在数据基本有序的情况下以下哪个排序算法效率最高选项里有快排、归并、堆排、插入排序。如果只是背了快排平均O(nlogn)就很容易掉坑因为快排在近乎有序的数据上会退化成O(n²)。这时候应该选插入排序因为它在基本有序场景下能到O(n)。堆排序也是常考点特别是手写堆排这道编程题。我建议大家在准备时把堆排的两个核心操作上浮和下沉练熟而且要注意堆排是不稳定的如果题目要求稳定排序那就必须用归并。我总结了一个排序选型表笔试前我反复看过几遍场景推荐算法原因数据基本有序插入排序接近O(n)大数据量、时间优先快排平均O(nlogn)常数小大数据量、稳定性要求归并排序稳定O(nlogn)需要动态维护最大/最小值堆排/优先队列插入和删除O(logn)数据范围有限如0-1000计数排序O(nk)建议刷题的时候把快排的while循环写法、归并的merge函数、堆排的下沉调整都默写过几遍笔试现场时间紧张如果还要现场想边界条件很容易出错。2.2 KMP算法next数组的定义与求解是分水岭KMP在高频热词里出现了我敢说它是58笔试单选或多选的常客。有一个热词特别典型在KMP算法中对于模式串pabacaba其next数组next[i]定义为...——这基本就是原题了。我当时遇到的就是类似题但出题人换了模式串。核心考点有三个next数组的定义有的题目next[i]表示前i个字符组成的子串的最长相等前后缀长度有的表示失配后跳转的位置两者差1答题前一定要看清定义。手算next数组这个必须会不能依赖编译器。拿pabacaba举例手动算一遍就清楚了next[0] -1或0取决于定义a的最长相等前后缀长度为0ab为0aba为1前缀a后缀aabac为0abaca为1前缀a后缀aabacab为2前缀ab后缀ababacaba为3前缀aba后缀aba求解代码笔试有时会让你选出正确的求解代码片段错误的选项通常是在i和j的更新逻辑上做手脚。一个实用经验是笔试前把KMP的求解代码敲三遍以上不仅仅是背而是要理解jnext[j]这步操作的含义。我备考时走了弯路一开始只背代码被问到为什么失配后要跳转到next[j]而不是next[j-1]时答不上来。后来我用最长相同前后缀这个定义去推才真正理解了跳转的本质模式串在j位置失配后前j个字符已经匹配成功它们的最长相同前后缀长度决定了我们可以安全地让模式串向右滑动多少位。2.3 图论算法Dijkstra不只是背模板图论在58笔试里不会考太难的模型但Dijkstra这类经典最短路算法属于必须掌握的范畴。按理说Dijkstra的基础是贪心加优先队列但常见的考法往往会挖两个细节。第一是权重不能为负。Dijkstra是基于当前距离最小的点已经确定这个贪心性质做的如果存在负权边这个性质就不成立了需要换Bellman-Ford或SPFA。选择题里可能会出现以下几种算法中哪一个能够处理负权边这时候要能区分出来。第二是复杂度分析。用朴素数组实现Dijkstra是O(V²)用二叉堆优先队列优化后能降到O((VE)logV)而有时候题目会问稀疏图上什么算法更快此时堆优化版的优势就很明显了。我把Dijkstra的堆优化写法练到能默写因为笔试编程题可能会让你求两点之间的最短路像地图导航网络路由这类场景。2.4 贪心与动态规划区分的关键在于最优子结构贪心算法在热词里出现频率很高排序相关的贪心也很常见。笔试选择题爱这样考给出一个场景问你用贪心能不能得到最优解。比如活动安排问题、区间不相交问题、找零钱问题特定币种下这些经典场景答案是能因为具备贪心选择性质。但换成分数背包和01背包前者贪心可以后者就必须动态规划了。动态规划是58笔试编程题的重头戏通常至少有一道。常见题型有最长公共子序列/最长递增子序列背包类问题01背包、完全背包区间DP合并石子、回文串分割状态压缩DP偶尔出现难度偏高我的经验是动态规划题不要上来就写代码先花两三分钟把状态定义、转移方程、边界条件写清楚。笔试编程题不要求提交设计文档但自己在草稿纸上理清思路写代码会快很多也减少低级错误。一个我踩过的坑是01背包的循环顺序。外层遍历物品内层遍历容量时必须倒序否则一个物品会被重复取用。这个考点太经典了笔试选择题直接给你一段dp代码问你输出结果如果你没注意循环顺序很容易算错。我建议把01背包和完全背包的区别理解透彻而不是只记一个模板因为出题人可能把背包问题包装在奇怪场景里。2.5 字符串与双指针笔试中的隐藏必考58同城的业务里信息分类、搜索、推荐都离不开字符串处理所以笔试中也经常出现字符串相关的编程题。常见考法有最长无重复字符子串滑动窗口/双指针字符串反转/判断回文大数相加模式匹配KMP、BM这些题不必须要很高深的算法但需要熟练的双指针技巧。我复习时把滑动窗口的模板做了一遍发现它能解决一大片子串问题最长无重复子串、最小覆盖子串、长度最小的子数组等。笔试中有一道编程题是找最长回文子串我一开始用的是暴力O(n³)后来才改用中心扩展法O(n²)。如果提前把中心扩展法练熟笔试现场就能直接写出来省下大量时间。3. 机器学习与深度学习基础笔试中的送分题和陷阱题3.1 机器学习基础原理比调参更重要58笔试中机器学习相关的题占比不小但整体难度不高基本是基础概念辨析。高频考点包括梯度下降的三种变体BGD、SGD、Mini-batch GD的区别L1和L2正则化的区别L1产生稀疏解L2防止过拟合且解更平滑过拟合的检测方法和应对策略交叉验证、正则化、Dropout、数据增强分类模型的评估指标准确率、精确率、召回率、F1、AUC、ROC聚类算法K-Means、DBSCAN、层次聚类的适用场景选择题里最爱的陷阱是L1正则化为什么能产生稀疏解。如果只是背结论容易在梯度上翻车。我的理解是L1在0点处不可导优化过程中参数更容易被压缩到0而L2的梯度在参数接近0时也接近0压缩效果是渐进的不容易真正得到0。KNN的热搜词KNN算法的应用能力包括哪三个方面也提醒我一个点KNN虽然简单但考察频率高。三个核心能力是分类、回归、异常检测。分类就是投票决定类别回归是取K近邻目标值的平均异常检测是看样本到邻居的距离是否异常大。笔试时如果问你KNN能做什么三个方向都要能写出来。3.2 深度学习基础反向传播和常见结构深度学习在58的笔试中也有涉及特别是算法岗需要了解基本的CNN、RNN结构。高频考点激活函数对比ReLU、Sigmoid、Tanh的优缺点反向传播的基本原理和链式法则常见优化器SGD、Momentum、Adam的区别池化层的意义下采样、减少参数量、保持平移不变性常见损失函数交叉熵、MSE、Hinge Loss的适用场景有一道题让我印象很深给一个卷积操作的输入尺寸和卷积核参数求输出尺寸。公式是output_size (input_size - kernel_size 2*padding) / stride 1很多人会忽略padding的乘2或者忘记加1。我建议把卷积、池化的尺寸计算公式写在一张纸上考试前看一眼避免这种完全可以避免的丢分。3.3 经典优化算法粒子群与模拟退火偶尔出没热词里粒子群算法原理、模拟退火算法出现得较多这大概是因为58笔试会考察一些经典启发式算法。这类题通常是选择题或简答题问你某个算法的思想或应用场景不要求手写实现。粒子群算法PSO核心是模拟鸟群觅食每个粒子有位置和速度根据个体历史最优和群体历史最优更新自己。考察点是速度和位置更新公式里的两个权重代表什么——个体认知c1和社会认知c2。模拟退火的核心是以一定概率接受更差解跳出局部最优。笔试常问温度越高接受差解的概率怎样答案是温度越高接受概率越大这能帮我们理解为啥模拟退火初期要高温。我准备这些启发式算法时不会去啃源代码而是看它们的思想和应用场景。对笔试来说是什么、能解决什么问题、核心参数的含义通常比代码更重要。4. 编程题实战复盘从读题到AC的完整思路链58同城笔试的编程题我遇到的大致是三道题第一道简单字符串处理第二道中等难度的贪心或DP第三道偏难的图论或状态压缩DP。这里我想还原一下那道中等难度的贪心题因为它的思考过程特别有价值。题目大概是这样的给定一个任务列表每个任务有截止时间和收益每个单位时间只能做一个任务求最大收益。读完题目我的第一反应是这有点像任务调度问题但不确定是否能用贪心。我的分析链路是这样的看约束如果任务量N在10^5量级O(n²)肯定超时得想O(nlogn)或O(n)的做法。直觉判断要获得最大收益应该优先做收益高的任务但还要考虑截止时间收益高的任务如果在它截止前有时间做就先做它。推导贪心策略把任务按收益降序排序依次尝试每个任务安排在截止时间前最晚的空闲时刻如果那个时刻已经被占用就再往前找。这个最晚空位可以用并查集或数组来维护。复杂度排序O(nlogn)安排位置如果用路径压缩并查集能接近O(1)均摊。我当时选择用倒序插入并查集维护空闲时间的方式实现。这题如果没做过类似的调度题考场上一时半会很难想到用并查集所以我建议准备笔试时把这道经典题目刷透。笔试编程题还有一个细节输入输出格式。58的在线笔试系统通常是标准的牛客网或赛码网模式多组输入要用while循环读取单个输入直接读就行。我见过不少同学在本地IDE写得好好的一上在线系统就因为忘了写循环读取而超时或答案错误。5. 避坑指南我在58笔试中踩过的四个真实教训5.1 选择题的二选一陷阱单选和多选混合考察时我最容易在下列关于XX的说法正确的是这种题上翻车。备考时我发现一个规律出题人很喜欢在概念辨析上做文章尤其把两个相似算法的边界条件弄混。比如KMP和BM算法的区别堆排序和快速排序稳定性区别L1和L2正则化的效果区别。我的教训是准备笔试时不要只刷代码题还要把每个算法的适用条件复杂度稳定性细节注意点整理成表格背熟特别是那些容易搞混的成对概念。5.2 编程题想当然的代价编程题我吃过一次亏读完题目后凭印象写了快排的变种但没仔细看题目要求的是稳定排序结果案例没过。后来我养成了习惯写代码前先看题目里有没有稳定原地额外空间O(1)之类的关键词这些往往决定算法选型。5.3 时间分配失衡笔试总时长一般在90到120分钟选择题量大且分值不低如果选择题花太多时间编程题就会很赶。我建议的时间分配是选择题60%时间编程题40%时间且编程题先做简单的第一题再做难的后续题不要死磕一道题超过20分钟。5.4 机器学习的公式推导有一道简答题让我措手不及请写出逻辑回归的损失函数并说明为什么用交叉熵而不是MSE。当时我写得出交叉熵公式但为什么不用MSE回答得不够完整。复盘后我明白了逻辑回归用MSE会导致非凸优化容易陷入局部最优而交叉熵配合Sigmoid能得到凸的损失函数梯度下降更容易收敛。这类知其所以然的考点靠背结论是不够的笔试前最好把常用模型的推导亲手过一遍。6. 备考资源的组合策略效率最高的准备方式58同城2023校招笔试的难度和牛客网上的名企真题比较接近我一共刷了大概200道题但我觉得重点不在数量而在质量。我的资源搭配是牛客网上58同城的历年真题和模拟题最贴近真实难度LeetCode高频题特别是数组、字符串、动态规划、贪心这些高频标签算法导论或数据结构教材的经典算法原理用于选择题和简答机器学习/深度学习的经典教材和博客用于理论基础题刷题不能只刷不改。我每次刷完一道题会花五分钟在笔记本上写这道题想考察什么知识点还有什么变体如果我是出题人我会怎么改这样总结后再去做同类题正确率明显提升。笔试前几天不建议再刷新题了而是把之前做错的题和整理的笔记重看一遍特别是那些容易混淆的知识点。心态上也不必过于紧张58同城的校招笔试风格偏基础相比一些大厂动辄后缀数组和平衡树的各种秀操作这里更重视你有没有把经典的算法和模型吃透。7. 从笔试到面试这份复盘还能怎么用笔试结束后别急着放松把笔试里出现过的考点和做错的题整理成一份面试预判清单非常有用。58同城的面试官大概率会看着你的笔试记录提问比如笔试里有一道题你用了KMP面试官可能会追问next数组的求解还能怎么优化为什么KMP比暴力匹配快。提前把这些延伸问题想清楚面试时就能从容很多。我在准备面试时把笔试涉及的每个算法都写了一句话说清楚原理版本。比如KMP的核心是避免主串指针回溯通过模式串自身的相等前后缀信息决定失配后的跳转这类表达在面试自我介绍或追问环节非常实用。还有一个值得做的动作是把笔试中没做出来的题回头用三种不同方法各做一遍比如一道动态规划题分别用递归备忘录、迭代、状态压缩实现。这个过程既能加深对DP状态定义的理解也能在面试时展示你的思维深度。我自己的体会是校招笔试不是一场考完就忘的流程它可以成为你整个求职季的知识底盘。58同城2023校招笔试的考察重心其实反映了互联网公司对算法工程师的基本期待基础扎实、原理通透、能快速把问题抽象成已知模型。顺着这个方向准备收获的不仅仅是笔试通过通知更是一套值得长期使用的算法思维框架。最后再分享一个个人小技巧笔试前一天我会把所有不熟练的算法在纸上各画一遍流程图不写代码只画思路比如快排的partition过程、Dijkstra的松弛过程、KMP的跳转过程。这个习惯帮我稳定住了很多容易在考场上遗忘的边界条件希望对你们也有用。