第95章 笔试（1/2）

早晨七点半，鹏城的天空泛着灰白色的光。林晨坐在书桌前，笔记本电脑屏幕亮着，邮箱里躺着昨晚收到的新邮件——来自一家名为“智创未来”的AI初创公司的在线笔试邀请。这是继星云科技之后，他收到的第二个AI相关岗位的笔试通知。

他喝了口已经凉掉的速溶咖啡，揉了揉有些发胀的太阳穴。连续几天的备考和面试准备，让三十五岁的身体开始发出抗议。但心里那股劲儿撑着——失业第128天，每一个机会都不能放过。

“智创未来”这家公司他之前研究过，规模不大，五十人左右，专注在计算机视觉和工业质检领域。岗位是“机器学习工程师”，薪资范围写的是25-40K，比星云科技稍高一些。更重要的是，岗位描述里明确要求“有扎实的机器学习理论基础和Python工程能力”，这正好撞在他的枪口上。

笔试时间是上午9:00-11:00，线上进行，全程摄像头监控。林晨提前半小时就进入了系统，调试好摄像头和网络，将手机静音放到客厅，书桌上只留下笔记本电脑、一支笔和几张草稿纸。苏婉送完乐乐上学后，轻手轻脚地关上了卧室门，给他一个绝对安静的环境。

8:59，系统界面刷新。倒计时开始。

林晨深吸一口气，点击“开始答题”。

第一部分是30道选择题，限时45分钟。题目涵盖机器学习基础、概率统计、线性代数、深度学习常见模型。

第一题：“在SVM中，以下哪种核函数对应的特征空间维度是无穷维”？

A.线性核

B.多项式核

C.高斯核（RBF）

D.Sigoid核

林晨几乎没犹豫就选了C。这是他在吴恩达课程里反复强调过的知识点——高斯核函数通过泰勒展开可以映射到无穷维特征空间。手指点击鼠标的瞬间，心里稍微踏实了一点：自学的东西，真的用上了。

但接下来的题目开始变得刁钻。

“假设你训练了一个逻辑回归模型，发现训练集准确率99%，测试集准确率只有55%。以下哪种方法最不可能解决问题”？

A.增加正则化强度

B.收集更多训练数据

C.减少特征数量

D.增加模型复杂度

林晨眉头微皱。这题考的是过拟合与欠拟合的区分。训练集准确率极高而测试集极低，明显是过拟合。解决过拟合通常需要正则化、更多数据、减少特征（即降低模型复杂度）。那么“增加模型复杂度”显然是火上浇油。他选了D。

答题过程像在时间河流里逆流而上。有些概念明明看过，但具体细节模糊了；有些题目需要快速计算协方差矩阵的特征值，草稿纸上写满公式。第22题关于Batalization在训练和推理阶段的不同处理，他卡了足足两分钟，最后凭记忆选择了“训练时使用当前batch的均值和方差，推理时使用移动平均的均值和方差”。

当最后一道选择题提交时，倒计时显示还剩3分17秒。林晨后背出了一层薄汗。

第二部分是编程题，2道，限时45分钟。

第一题：“给定一个整数数组nus和一个目标值target，请你在数组中找出和为目标值的那两个整数，并返回它们的数组下标。假设每种输入只会对应一个答案，且不能重复使用相同的元素”。

林晨几乎笑出来——这是LeetCode第一题“两数之和”，太经典了。他迅速在代码编辑区写下哈希表解法，时间复杂度O(n)，空间复杂度O(n)。测试用例全部通过。

第二题难度陡增：“实现一个简单的神经网络前向传播过程。给定输入矩阵X（形状为n_saples×ures），权重矩阵W1（ures×hidden_size）、W2（hidden_size×output_size），偏置向量b1、b2，激活函数使用ReLU。请写出计算过程并返回输出矩阵”。

这题考察对神经网络底层计算的理解。林晨沉下心来，在草稿纸上画出计算图：

Z1=X·W1+b1

A1=ReLU(Z1)

Z2=A1·W2+b2

Output=Z2#假设输出层无激活

然后他用NuPy风格写出代码，注意了矩阵乘法的维度匹配。写完后反复检查了几遍，确认没有错误。提交时，时间还剩12分钟。

最后一部分是开放问答题，1道，限时30分钟。

本章未完，点击下一页继续阅读。