大厂真题 / 华为
华为 AI 机考一周速成攻略
适合准备时间不够的同学急救上岸。AI 方向机考 = 150 分选择题 + 450 分编程题（两道），200 分过线。
考试概览
谁考 AI 机考？
所有以 AI 为前缀的岗位：AI 应用工程师、AI 开发工程师、AI 数开工程师、AI 算法工程师。
非 AI 前缀岗位（通软、嵌软、算法工程师等）考传统机考，参见 传统机考备考指南。
题型与分值
| 部分 |
分值 |
题量 |
说明 |
| 选择题 |
150 分 |
约 20 题 |
线代、概率论、ML 基础、Transformer 等 |
| 编程题 1 |
150 分 |
1 题 |
IOI 赛制，按通过率计分 |
| 编程题 2 |
300 分 |
1 题 |
IOI 赛制，按通过率计分 |
| 通过线 |
200 分 |
|
|
整体策略
先写编程题，最后留 30 分钟写选择题。
编程题分值高（一题最少 150 分），选择题随便蒙都能有 30 分。但反过来如果选择题拿满 150 分，编程题写不完调不对照样挂。编程题没有人情分，通过不了样例就是 0 分。
一、选择题（保 60 分冲 80 分）
高频考点
从 580 道选择题真题中总结的最高频考点：
| 考点 |
优先级 |
备考建议 |
| 线性代数 |
极高 |
B站猴博士一小时备考视频 |
| 概率论与数理统计 |
极高 |
B站猴博士一小时备考视频 |
| 机器学习基础 |
极高 |
考的广但偏理解记忆，记住 = 学会 |
| 深度学习与神经网络 |
极高 |
重点掌握基本概念 |
| Transformer |
极高 |
B站论文一小时精讲 |
| 大模型 |
高 |
RAG、量化、LoRA 等热点概念 |
| 强化学习 |
中 |
了解基本概念即可 |
| 自然语言处理 |
中 |
了解基本概念即可 |
选择题刷题计划（共 7 天 15 小时）
| 天数 |
知识点 |
时间 |
| Day 1~1.5 |
线性代数 |
3h |
| Day 1.5~3 |
概率论与数理统计 |
3h |
| Day 3~4.5 |
机器学习基础 |
3h |
| Day 4.5~6 |
深度学习基础 |
3h |
| Day 6~7 |
强化学习 + NLP + 大模型 |
3h |
选择题刷题方法
- 做错的题先看题解
- 题解看不懂就问 AI
- 太复杂的题直接跳过
目标是保 60 争 80，更高分数的边际效益递减，不值得死磕。
二、编程题题单（保 150 分争 200 分）
刷题方法
- 给自己 15 分钟想，想不出来直接看题解，然后自己再实现一遍
- 禁忌：一道题死磕一个小时。很多时候搞不出来是因为不知道某个算法/技巧，不是想不出来
- 觉得巧妙的题收藏起来，日后反复练习
题单总览
共 60 道真题，按知识点从高频到低频排列。标记 必刷 的为核心题目，一周内至少刷完全部必刷题（35 道）。
动态规划
动态规划入门教程
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2026-02-04 |
150 |
模型推理量化加速优化问题 |
| 必刷 |
2025-10-22 |
150 |
最大能量路径 |
| 必刷 |
2025-09-17 |
300 |
大模型分词 |
| 必刷 |
2026-03-18 |
150 |
大模型训练显存优化算法 |
| |
2025-09-18(留) |
150 |
最大能量路径 |
| |
2026-01-07 |
300 |
RAG 系统最大收益 |
| |
2026-02-04 |
300 |
AIGC 缓存复用加速策略 |
| |
2025-11-19 |
300 |
Prompt 上下文信息精简：找出二叉树中的最大值子树 |
| |
2025-12-17 |
300 |
模型量化最小误差 |
KMeans 聚类
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-09-28 |
150 |
YOLO 检测器中的 Anchor 聚类 |
| 必刷 |
2025-11-19 |
150 |
终端款型聚类识别 |
| 必刷 |
2026-03-04 |
150 |
网络流量分析 |
| 必刷 |
2025-09-24 |
150 |
无线网络优化中的基站聚类分析 |
| |
2025-10-15 |
300 |
基于二分 KMeans 算法的子网分割问题 |
| |
2025-12-03 |
300 |
智能客户分群与新用户定位（KMeans 均衡分区版） |
模拟
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-09-17 |
150 |
大模型 Attention 模块开发 |
| 必刷 |
2025-09-03 |
150 |
大模型训练 MOE 场景路由优化算法 |
| |
2025-10-10(留) |
150 |
磁盘故障检测的特征工程 |
| |
2025-09-28(留) |
300 |
Masked Multi-Head Self-Attention 实现 |
| |
2025-09-12 |
300 |
支持 LoRA 的 Attention 实现 |
卷积
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-08-28 |
150 |
Group 卷积实现 |
| |
2025-11-20(留) |
300 |
带 Padding 的卷积计算 |
| |
2025-10-23(留) |
300 |
卷积结构实现 |
| |
2025-11-06(留) |
300 |
卷积操作 |
逻辑回归
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-10-10(留) |
300 |
基于逻辑回归的意图分类器 |
| 必刷 |
2025-10-29 |
300 |
商品购买预测 |
| |
2025-09-03 |
300 |
云存储设备故障预测 |
| |
2025-09-18(留) |
300 |
数据中心水温调节档位决策 |
决策树
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-08-28 |
150 |
基于决策树预判资源调配优先级 |
| 必刷 |
2025-08-27 |
300 |
F1 值最优的决策树剪枝 |
| |
2025-11-12 |
300 |
基于决策树的 QAM 调制符合检测 |
| |
2025-09-24 |
300 |
基于决策树的无线状态预策 |
并查集
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-10-17 |
150 |
利用大规模预训练模型实现智能告警聚类与故障诊断 |
| 必刷 |
2025-10-10 |
150 |
数据聚类及噪声点识别 |
| 必刷 |
2025-10-29 |
150 |
实体匹配结果合并问题 |
贪心
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-10-15 |
150 |
动态注意力掩码调度问题 |
| |
2025-09-04 |
150 |
大模型训练数据均衡分配算法 |
滑动窗口
| 标记 |
日期 |
分值 |
题目 |
| |
2025-09-10 |
300 |
多尺寸窗口滑动的特征转换 |
| |
2025-09-10 |
150 |
历史的窗口搜索 |
矩阵
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2026-01-07 |
150 |
基于混淆矩阵，推导分类模型的核心评估指标 |
| |
2025-09-04(留) |
300 |
传感器数据分析 |
线性回归
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-12-17 |
150 |
使用线性回归预测手机售价 |
| |
2026-03-04 |
300 |
动态区间的多项式岭回归 |
KNN
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-08-27 |
150 |
标签样本数量 |
| 必刷 |
2026-03-18 |
300 |
基于 KNN 的语音数据分类 |
反向传播
| 标记 |
日期 |
分值 |
题目 |
| 必刷 |
2025-11-06(留) |
150 |
医疗诊断模型的训练与更新 |
| |
2025-10-17 |
300 |
反向传播实现 |
其他知识点
| 标记 |
知识点 |
日期 |
分值 |
题目 |
| 必刷 |
双指针 |
2026-01-21 |
150 |
基于样本纯净度指标的大模型训练数据清洗方法 |
| 必刷 |
BFS |
2025-09-12 |
150 |
二叉树中序遍历的第 k 个祖先节点 |
| 必刷 |
结构化剪枝 |
2025-12-03 |
150 |
基于剪枝的神经网络模型压缩 |
| 必刷 |
ViT |
2025-11-20(留) |
150 |
Vision Transformer 中的 Patch Embedding 层实现 |
| 必刷 |
INT8 量化 |
2025-11-12 |
150 |
全连接层 INT8 非对称量化实现 |
| 必刷 |
多任务学习 |
2025-11-05 |
150 |
多目标推荐排序模型优化 |
| 必刷 |
线性代数 |
2025-10-23(留) |
150 |
人脸关键点对齐 |
| |
前缀和 |
2025-10-22 |
300 |
基于空间连续块的稀疏注意力机制 |
| |
数学 |
2025-11-05 |
300 |
须从规矩出方圆 |
| |
LSTM |
2025-10-10 |
300 |
经典 LSTM 模型结构实现 |
三、编程题刷题计划（每天 5 道必刷题）
| 天数 |
知识点 |
必刷题数 |
| Day 1 |
动态规划 + KMeans |
8 |
| Day 2 |
模拟 + 卷积 + 逻辑回归 |
5 |
| Day 3 |
决策树 + 并查集 |
5 |
| Day 4 |
贪心 + 矩阵 + 线性回归 + KNN |
5 |
| Day 5 |
反向传播 + 双指针 + BFS |
4 |
| Day 6 |
剪枝 + ViT + INT8 量化 + 多任务 + 线代 |
5 |
| Day 7 |
查漏补缺 + 复习错题 + 模拟考试 |
3+ |
一周下来 35 道必刷题全部搞定，难题视时间补充。
四、考试策略
编程题做题顺序
- 开场两道题都看，快速识别哪道更简单
- 分值不一定对应难度！300 分的题可能比 150 分的简单
- 先做简单题拿稳，同时脑子里过一遍难题的暴力思路
- 简单题写完还有时间，直接上难题暴力解，通过率 60%+ 就起飞
编程题骗分技巧
1. 暴力骗分法
不会满分做法就写暴力，华为测试数据通常”仁慈”。同时掌握回溯骗分法 — 很多 DP 题可以用回溯暴搜拿部分分。
2. 输出样例骗分法
| 策略 |
适用场景 |
| 直接输出题目给的样例 |
多个样例都试试 |
| 输出 0 |
题目要求输出方案数 |
| 输出 0 / -1 / 1 |
题目要求输出一个整数 |
| 输出 “-1” 或 “error” |
题目要求不合法时输出特定值 |
- 多次提交按最高通过率计算，不会因多次提交扣分
- 注意面试官会拿到你的代码，赛后要复盘正确做法
五、一周总计划表
| 天数 |
选择题 |
编程题 |
总时间 |
| Day 1 |
线代（3h） |
DP + KMeans 必刷题 |
6h |
| Day 2 |
概率论（3h） |
模拟 + 卷积 + 逻辑回归 |
6h |
| Day 3 |
ML 基础（3h） |
决策树 + 并查集 |
6h |
| Day 4 |
深度学习（3h） |
贪心 + 矩阵 + 回归 + KNN |
6h |
| Day 5 |
强化学习 + NLP + 大模型（3h） |
反向传播 + 双指针 + BFS |
6h |
| Day 6 |
选择题错题复习（2h） |
剪枝 + ViT + 量化 + 多任务 |
5h |
| Day 7 |
选择题模拟（1h） |
编程题查漏补缺 + 模拟考试 |
5h |
总计约 40 小时，每天约 6 小时。
小结
- 先编程后选择：编程题分值占 75%，选择题留 30 分钟足够
- 选择题保 60 争 80：刷真题 + 看题解，太难的跳过
- 编程题保 150 争 200：35 道必刷题覆盖所有高频知识点
- 不要死磕：15 分钟没思路就看题解，暴力骗分也是分
- 分值 ≠ 难度：一定先浏览两道编程题再决定做题顺序
