企业官网建设流程全解析

1. 卷B的整体画像：题型、时间和考察重点

2023届校招季，B站算法方向的笔试试卷分成了A、B两个版本。很多同学看到卷B第一反应是"B卷是不是比A卷难"，或者反过来觉得"B卷是备胎卷"。我在实际刷题和复盘中发现，分卷的逻辑没那么玄乎，更多是为了防止题目泄露和同场考试作弊，难度系数并不存在明显倾斜。真正拉开差距的，是卷子里埋的那些"看着面熟、一做就错"的细节。

从题型结构来看，卷B大致分为三个部分：单选/多选题、简答题（部分批次有）和编程题。整体时长一般是120分钟，题量在30到35道选择题加3道编程题左右。选择题覆盖数据结构、算法设计、机器学习基础和少量深度学习概念；编程题则围绕经典算法展开，三道题通常对应"简单、中等、偏难"三个梯度。需要特别说明的是，不同批次、不同岗位（推荐算法、内容理解、NLP方向）的卷面可能略有差异，但核心考点高度集中在热搜词里那些高频算法上——KMP、堆排序、贪心、动态规划、二分图匹配等，全都是大厂笔试的常客。

这里建议准备阶段先明确投递岗位的方向。B站算法岗不只是推荐算法，还有视频理解、弹幕分析、搜索排序等方向。卷B的题目虽然不区分岗位，但你在复习时的重心应该结合岗位来调整。比如投视频理解方向，就可以多花点时间看CNN、图像特征提取相关的基础题；投推荐方向，就重点准备特征工程和排序损失相关的内容。笔试不是终点而是筛选起点，它的目标不是让你拿满分，而是在两小时内尽量稳定输出，把会做的题全做对。

1.1 卷A和卷B的分工逻辑

我见过不少同学在备考群里争论卷A难还是卷B难，实际上两个版本的题库是同一套核心考点库随机抽题的。B站的笔试系统会把题库里的题目按照难度、知识点打散，然后随机拼成A卷和B卷。也就是说，你可能在B卷遇到一道A卷同学没有遇到的KMP变形题，这完全取决于抽题运气，和卷号本身没有必然关系。

不过卷B有一个容易被忽略的特点：因为它是后生成的备用卷，部分题目的表述方式可能不像A卷那么"直白"。比如同样考贪心算法，A卷可能直接给一个区间调度问题让你选贪心策略，B卷可能会包装成一个视频推荐场景中的资源分配问题。这不是刻意刁难，而是题库里本来就是这么设计的。所以复习时不能光背结论，要看懂题目的本质模型，把场景化的描述翻译成算法问题。

1.2 笔试环境的那些隐性要求

笔试是线上进行的，这里有一个很多应届生会踩的坑：环境准备。B站用的在线笔试平台一般支持本地IDE调试后再粘贴代码，但前提是你提前把环境测好。摄像头监控、屏幕录制、浏览器切屏检测这些环节，每年都有人因为无意间切出浏览器被警告甚至取消成绩。我的建议是提前用一个闲置的浏览器专门跑笔试，关掉所有消息通知，把微信、钉钉、QQ全部退出登录。手机放到拿不到的位置，因为部分平台的防作弊规则要求手机处于监控视频范围内，但又不能使用。

另外要提醒的是，虽然平台支持多种语言提交，但在算法笔试中，Python和C++/Java的选择会直接影响你的做题速度。B站的判题系统对Python的时间限制通常比C++宽松一些，但并非常规保证。我习惯用Python打表找思路、用C++提交最终代码，但如果只擅长一门语言，就老老实实用熟练度最高的那门，不要在笔试现场尝试换语言。

2. 经典算法选择题：从KMP到堆排序的考点复盘

选择题部分是卷B拿分的基础盘，也是很多人口中"送分题"的重灾区。为什么说是重灾区？因为选择题考查的往往不是你会不会写代码，而是对算法细节的记忆和敏感度。一个算法你能写出正确代码，不等于你能清楚说出它失败时回溯几步、空间复杂度是O(1)还是O(n)、排序算法是否稳定。下面这些高频考点，是备考时反复出现的。

2.1 KMP算法与next数组的计算

热搜词里有一条非常具体的："在KMP算法中，对于模式串p='abacaba'，其next数组"。这个知识点几乎每场笔试都会出现，要么直接考next数组计算，要么考匹配过程中的移动次数。我在刷题群里看到不少同学栽在这里，原因是对next数组的定义没有统一。

这里先明确一件事：next[i]在不同教材里有两种定义，一种表示"前缀和后缀的最长公共长度"，另一种表示"失配后跳转的位置"。B站笔试卷B里如果给出了"next[i]定义为..."的说明，就以题目说明为准；如果没给，就要从选项里反推它采用的是哪种定义。

以模式串p="abacaba"为例，计算前缀函数（PMT版本）：

• next[0] = 0，单个字符没有真前缀和真后缀
• next[1] = 1，前缀"ab"的真前缀为"a"，真后缀为"b"，不匹配，最长公共真前后缀长度为0，注意此时长度为1的子串"a"不能算，因为真前缀/真后缀不能等于整个子串
• 但实际上很多教材对"ab"取next值是0
• next[2] = 1，前缀"aba"中，真前缀"a"等于真后缀"a"
• next[3] = 2，前缀"abac"中，"ab"等于"ac"吗？不，"a"等于"c"吗？不，所以是0？等等，这里要小心

我重新写一下。模式串"abacaba"的各个前缀：

• 前缀1: "a"
• 前缀2: "ab"
• 前缀3: "aba"
• 前缀4: "abac"
• 前缀5: "abaca"
• 前缀6: "abacab"
• 前缀7: "abacaba"

逐个求最长公共真前后缀长度（很多教材称为next数组，注意下标从0开始还是从1开始有差异）：

• "a"：0
• "ab"：0
• "aba"：1（"a" = "a"）
• "abac"：0
• "abaca"：1（"a" = "a"）
• "abacab"：2（"ab" = "ab"）
• "abacaba"：3（"aba" = "aba"）

所以按这种定义，next数组是[0,0,1,0,1,2,3]。如果题目要求下标从1开始且next[1]=0，则需要移位，得到[?,0,0,1,0,1,2,3]这样的形式。这就是为什么很多同学对答案发现差一位——不是算错了，是定义不同。

考试中的技巧是：先把候选答案里最可能的定义确定下来，再快速手算验证。手算时可以只算前三个和后三个，不需要全算，因为选择题往往可以通过排除法缩小范围。

2.2 排序算法的稳定性和复杂度辨析

排序算法在卷B里的出现率几乎百分之百，但考查方式比较固定：给一个具体场景，问选哪种排序最合适，或者给几个复杂度对错的判断。我在整理往年题目时发现，最容易混淆的是快排和堆排序的稳定性。

稳定性指的是相等元素的相对顺序在排序前后保持不变。快排是不稳定的（因为分区交换可能改变相对位置），归并排序是稳定的，堆排序是不稳定的，插入排序和冒泡排序是稳定的。很多同学只记住了"快排不稳定"，但遇到"堆排序是否稳定"反而犹豫。这里给一个联想记忆法：凡是排序过程中元素会"跳来跳去"的，基本都不稳定，比如快排交换跨过了多个位置，堆排的堆调整会把最后元素换到堆顶。而插入、冒泡、归并都是相邻元素或局部区间的有序合并，相等元素的相对顺序不会被破坏。

复杂度方面，堆排序和归并排序在所有情况下的时间复杂度都是O(n log n)，快排最坏是O(n²)，但平均是O(n log n)。选择题如果问"最坏情况下时间复杂度最小的排序算法"，那就是堆排序和归并排序二选一；如果问"额外空间复杂度为O(1)的稳定排序"，经典答案是没有——因为归并需要O(n)额外空间，而堆排虽然O(1)空间但不稳定。这种题没有刁钻，纯粹考基本功。

2.3 贪心和动态规划的界定

卷B的选择题里经常出现"以下哪个问题适合用贪心算法解决"或者"动态规划的核心特征是什么"。这类题失分的原因不是概念不懂，而是选项里总有一个"看起来像贪心但实际需要动态规划"的干扰项。

判定贪心算法能不能用的方式是看贪心选择性质和最优子结构。说得直白一点：每一步做出当前看起来最好的选择，就能得到全局最优解，那就适合贪心；如果当前选择会影响后续选择，局部最优组合出不了全局最优，就要考虑动态规划。

一个常见的对比例子是硬币找零问题。如果硬币面额是1、5、11，要凑15元，贪心算法会先取11再取4个1，共5枚；但最优解是3个5，共3枚。这就是贪心失效的场景。换成面额体系是1、5、10、25的美元硬币，贪心选择又成立。所以选择题只要出现"硬币找零""背包""区间"这些关键词，先别急着选贪心，看清楚面额或限制条件再判断。

3. 编程题实战拆解：状态设计比AC更重要

编程题是卷B中最能拉开差距的部分，也是判卷时最看重代码质量的题目。三道题的时间分配如果失衡，很容易出现"第一题写太久、第三题没时间看"的局面。下面我按实际考试中遇到的题目类型拆解一下思路，重点不是背代码，而是建立"从读题到AC"的完整链路。

3.1 送分题的拿分姿势

第一道编程题通常是基础数据结构题，难度接近LeetCode简单题到中等题的过渡区间。常见类型包括字符串处理、数组操作、栈和队列的模拟。这道题的目标是稳拿全分，所以不要刻意炫技。

我印象比较深的一道题是模拟括号匹配扩展版：给定一个只包含()[]{}的字符串，判断是否有效。多数人会直接用栈，但题目会加一个限制——字符串长度最大是10^6，这就意味着递归写法或O(n²)的字符串替换法会超时。正确思路是顺序扫描，遇到左括号入栈，遇到右括号检查栈顶是否匹配。边界条件是字符串可能为空、可能只有左括号、可能右括号先出现。这些边界情况在笔试中比算法本身更容易扣分。

答题策略上，我建议先写一个最朴素的版本跑通样例，再考虑优化。即使最终版本不是最优解，也要保证在时间限制内能跑完题目给出的最大数据量。笔试平台会隐藏测试用例，如果只过了公开样例，得分依然很低，这是很多应届生容易忽略的细节。

3.2 动态规划题的完整推导

第二道编程题大概率是动态规划，因为它能有效考察状态定义、状态转移、初始化和边界处理四件事。我在卷B里遇到的动态规划题，题干通常不会直接说"这是一道动态规划题"，而是包装成视频平台的资源调度场景，比如"在N天内有M个视频需要上线，每个视频有固定的制作周期和收益，求最大收益"。

解这类题的步骤我建议固定成四步走：

1. 划分子问题：把"前i天能获得的最大收益"作为状态，而不是"第i天是否上线某个视频"
2. 确定转移方程：状态dp[i]可以由dp[i-1]和dp[i - duration[j]] + profit[j]转移而来
3. 初始化：dp[0]=0，所有位置先设为负无穷或0，看题目求最大值还是最小值
4. 确定遍历顺序：如果状态依赖前一个维度，就正序；如果依赖更小下标，也要保证被依赖的状态已经计算完成

写代码时，要注意初始化不能随便给0。如果题目求最大值，且收益可能有负数，初始化为0会导致负收益状态被跳过，算出的结果偏大。这种细节选择题里也爱考，放在编程题里就是一个隐藏的WA点。

3.3 压轴题的策略性取舍

第三道编程题通常涉及图论、数论、二分答案或状态压缩，难度明显高于前两道。很多同学一看到第三题就开始慌，结果在第二题还没完全跑通的情况下去死磕压轴题，导致前两题也没拿满。

我的建议是：第三题先读题，把数据范围写在草稿纸上，快速判断自己有没有思路。如果前5分钟想不出来，立刻回去检查前两题的代码，尤其是边界和溢出问题。因为压轴题的通过率本来就低，拉开差距的地方在于前两题的正确率，而不是第三题能不能AC。

如果确实有思路，优先考虑暴力能否通过部分数据。笔试平台通常按测试点给分，暴力能过20%到40%的测试点，也比空着强。比如一道二分图匹配的题，数据量大时需要用HK算法，但数据量小的时候用匈牙利算法也能过一部分。热搜词里连续出现了"二分图HK算法""匈牙利算法"，说明这个方向值得重点准备，但不要只会背代码，要明白HK算法是在匈牙利算法基础上用BFS找多条增广路来减少匹配趟数。

4. 机器学习与深度学习交叉考点不可忽视

B站算法岗的笔试卷B虽然以传统算法题为主，但机器学习相关考点占比不低，尤其是对推荐算法岗来说，这部分可能是决定是否进入面试的关键。选择题里容易出现"过拟合怎么解决""分类模型的评估指标有哪些""L1和L2正则化的区别"这类基础题，简答题偶尔会让手推一个逻辑回归的梯度更新。

4.1 分类指标和采样问题的坑

关于分类模型评估，卷B里高频出现的是准确率、精确率、召回率、F1值和ROC曲线的辨析。最容易错的是精确率和召回率的区别：精确率是预测为正类的样本中真正类的比例，召回率是实际正类中被正确找出的比例。推荐场景中，如果目标是尽量不漏掉用户可能喜欢的视频，就侧重召回率；如果目标是推送的头几条视频尽量精准，就侧重精确率。

另一个高频点是类别不平衡。题目可能会问：正负样本比例1:100时，用准确率评估模型有什么问题？答案是准确率会被多数类主导，哪怕全部预测为负类也有99%的准确率，看起来很高但毫无意义。这种题只要找准"准确率失效"这个关键点就行，不需要写公式。但如果你在简答题里能把采样方法（上采样、下采样）和评价指标选择（F1、AUC、PR曲线）写全，得分会明显高一些。

4.2 深度学习常见考点

深度学习在卷B中的考查更偏概念，不会让你在笔试现场搭建网络。常见的有：ReLU激活函数为什么比Sigmoid好、卷积层的参数量怎么算、Dropout的作用、为什么RNN容易梯度消失或爆炸。这些题目的答案相对固定，背熟基本不会失分。

卷积层参数量的计算方法是很典型的送分题：一个输入通道数为C_in、输出通道数为C_out、卷积核大小为K×K的卷积层，参数量是C_in×C_out×K×K，再加上偏置的话就是C_out个偏置项。比如输入3通道、输出64通道、3×3卷积，参数量就是3×64×3×3=1728，加上偏置64，总共1792。这种题不需要思考，只考验平时有没有留意公式。

Dropout的题也有固定套路：训练时按概率p随机丢弃神经元，推理时所有权重乘以(1-p)以保持输出期望不变。有的题目会反过来考，问你训练时如果没做inverted dropout，推理时应该怎么修正权重。只要记住"训练时缩放、推理时修正"的原则，就不会被绕进去。

5. 考场时间分配与做题顺序

笔试时间管理是很多人忽略的一环。120分钟看着充裕，但如果你在选择题上纠缠太久，编程题就很被动。我自己的体感是：选择题平均每题1.5分钟，超过这个时间就要先标记跳过；编程题先花5到8分钟读题和构思，再花15到20分钟写代码和调样例。这个节奏基本能保证三题都有时间看。

5.1 适合大部分人的答题节奏

推荐的顺序是先做编程题，再做选择题，或者反过来，但核心原则只有一条：优先保证"确定能拿到的分数"落袋。如果你选择题基础好，可以先快速过一遍选择题，把难题标记出来；如果你编程题思路快，就先把三道题都扫一眼，判断难度梯度，然后从最容易的那道开始写。

这里要说一个很多人会犯的错误：看到第二题像动态规划，就花了40分钟死磕，结果第三题其实是一道简单的二分答案，白白丢分。正确做法是拿到题目后先用两分钟把三道题都看完，在心里标记"这题我有思路、这题要想想、这题大概率没戏"，然后再安排时间。特别是第三题如果是图论题而你不熟悉，就不要硬刚，把时间留给前两题的完善。

5.2 考试中的常见失误

我帮同学复盘过多次笔试，发现失分点往往不在"不会做"，而在"提交前没有检查这四件事"：

1. 输入范围是否可能超int，需要用long long
2. 数组下标是否越界，特别是状态转移时访问了dp[i-1]和dp[i-k]
3. 输出格式是否严格一致，多一个空格、少一个换行都可能导致WA
4. 是否忘记处理空输入或极端用例，比如n=0、字符串为空

这四条是笔试平台上最容易踩的坑。还有一个细节是，在线IDE里自己测试时，不要只测题目给的样例，要自己构造几个边界用例，比如最大数据量、重复元素、全零数组等。很多时候样例过了但WA，就是因为边界用例没有覆盖到。

6. 笔试后的复盘与下一阶段规划

笔试结束不等于这件事就翻篇了。我会建议你在考后48小时内，趁记忆还新鲜的时候做一次系统复盘，把每一道题都重新记下来，重点记录当时的卡点和最终解法。这些复盘笔记不仅是后续面试的准备素材，也是判断自己是否适合继续投递这个岗位的依据。

6.1 如何从笔试中提取有效信息

判分结果还没有出来时，你应该先自己对一遍答案。笔试题库虽然不公开，但编程题的思路和选择题的知识点大多是常见的，网上通常能找到类似的题目解析。复盘时不要只记"这题我不会"，要记"我不会的原因是什么"。是状态转移没推出来？是数据结构不熟？还是题目读漏了条件？把原因分类，下一步的复习才有方向。

我复盘时用得比较顺手的模板是这样：标题、考察知识点、我的解法和最终结果（AC/部分通过/未提交）、标准解法步骤、卡住的时间点、同类题目3到5道。不要小看"卡住的时间点"，它能帮你看清自己是阅读能力弱还是算法能力弱。比如你发现每次都在动态规划的状态定义上卡住，那就说明你缺的是"定义状态的直觉"，需要大量刷DP相关的题，而不是漫无目的地刷题。

6.2 面试准备的衔接

如果笔试顺利通过，接下来就是面试环节。B站的面试一般有多轮，算法方向的面试官可能会以笔试卷面为基础追问，比如"你当时第三题为什么没有写出最优解"或者"如果数据量翻10倍，你的方案还成立吗"。所以笔试复盘不仅是给自己看，还要做好被追问的准备。

面试中的手撕代码和笔试的差别在于，面试官更看重你思考过程中的交流与表达。即使最终代码没写完，如果你能清晰地讲出状态定义和转移方程的推导思路，也会是加分项。这一点和笔试完全不同：笔试看提交结果，面试看思维过程。所以从笔试结束后，就要有意识地练习"边写边讲"的状态，把每道题从题目描述到复杂度分析都说顺溜。

从备考节奏上，我给应届生的建议是：把力扣高频题和热门算法（排序、搜索、DP、图论）刷熟，控制在看到题目能快速分类的程度；再花三分之一的时间准备机器学习基础，多看看逻辑回归、SVM、GBDT、过拟合和评估指标这些深度与广度平衡的知识点。

热门热搜词里出现的"粒子群算法""模拟退火""卡尔曼滤波"这类话题，在校招笔试中通常不会作为编程题出现，但在某些研究型岗位的简答题或后续面试里可能被问到。如果你有余力，建议了解一下它们的核心思想和适用场景就够了，不用花大量时间手推公式。B站算法岗位的业务导向决定了一个候选人只要算法基本功扎实、机器学习基础概念清楚，就已经能满足大部分笔试的筛选要求。与其纠结冷门算法，不如把高频考点的精度提上去。