又到一年秋招季身边不少学弟学妹在后台问起联想2025年秋招技术研究人工智能类笔试的情况。今年联想的笔试在AI算法岗里算比较有代表性的题量不小、范围很宽既考基础功底又考工程落地思维。我结合自己和几位同学今年秋招的实战复盘把这套笔试的出题逻辑、备考要点和踩坑记录整理成文给后面要投联想或者其他大厂AI研究岗的同学做个参考。先说清楚这篇文章不是给你背答案用的而是帮你建立一套应对这类笔试的思考框架。技术研究人工智能类岗位的笔试核心考察的不是你背了多少模型结构而是你面对一个实际问题时能不能快速判断用什么方法、为什么用这个方法、怎么把它落地。联想的题虽然有自家特色但整体思路和主流大厂AI岗笔试是相通的把这套逻辑吃透你投其他公司同样适用。1. 笔试整体考察方向与岗位定位的匹配逻辑1.1 技术研究岗和纯开发岗的笔试差异很多人拿到联想的笔试通知第一反应是去刷LeetCode这没错但只对了一半。技术研究人工智能类岗位和普通后端开发岗相比考察的侧重点明显不同。纯开发岗更看重代码能力、数据结构功底、系统设计思维而AI技术研究岗在编程之外还会重点考察机器学习理论基础、深度学习模型理解、数学推导能力以及对前沿论文的阅读理解能力。联想的笔试题目结构大概分成四个部分编程题、机器学习/深度学习基础题、数学基础题、综合推理题。编程题占比大概在30%到40%之间剩下的全是理论题和推理题。这意味着你光刷题不补理论笔试后半段会非常吃力。我当时有个朋友LeetCode刷了近五百题结果挂在机器学习基础题上——一道关于梯度消失原因的多选题他选了“学习率过大”作为唯一原因其实正确答案还包括“激活函数饱和”和“网络层数过深”。这就是典型的刷题思维和理论思维脱节。另外要注意的是联想的技术研究岗笔试时间通常是90分钟到120分钟题量大概在50到70道之间。这个体量决定了你每道题平均只有一分多钟根本没时间在考场上慢慢推导公式。那些概念性的知识点必须形成条件反射看到题干就能立刻锁定答案。所以备考阶段光“看过”不行要做到“能默写”的程度。1.2 联想笔试的科目构成与时间分配根据今年2025届秋招的实际情况联想技术研究人工智能类笔试的科目构成大致如下表所示。注意每年题目可能有微调但大方向不会有太大变动。科目模块大致题量题型建议用时考察核心编程题2-3题代码填空/算法实现30-40分钟数据结构、动态规划、边界处理机器学习基础15-20题单选/多选20-25分钟模型原理、损失函数、正则化深度学习基础15-20题单选/多选20-25分钟CNN/RNN/Transformer、训练技巧数学基础与推理10-15题选择/填空15-20分钟概率论、线性代数、最优化综合分析与前沿5-10题场景题/简答10-15分钟论文理解、模型选型、业务落地从时间分配就能看出来编程题虽然是硬骨头但理论题的总分值其实更高。很多人一上来就死磕编程题结果后面理论题时间不够白白丢分。我自己考试时的策略是先把所有选择题快速过一遍把会做的稳定拿分再回来做编程题最后剩余时间留给综合推理题。这个策略不一定适合所有人但你要在平时模拟时找到自己的节奏别上了考场才手忙脚乱。2. 题型拆解与核心知识点复盘2.1 机器学习基础概念辨析是重灾区机器学习基础部分联想出题非常喜欢考“概念辨析”类的题目。比如给你四个选项每个选项是对某个模型或算法的描述让你选出错误的那一个。这类题目表面考概念实际考的是你对算法本质的理解程度而不是表面上的“背定义”。举个例子考过一道关于L1和L2正则化的选择题选项A“L1正则化可以产生稀疏权重”选项B“L2正则化会让权重趋向于零但不会精确等于零”选项C“L1正则化等价于对权重施加拉普拉斯先验”选项D“L2正则化等价于对权重施加拉普拉斯先验”。答案是DL2对应的是高斯先验。如果你只是记住了“L1稀疏、L2防过拟合”这种口诀碰到这种题就懵了。所以备考时对于常用的正则化、损失函数、优化器不仅要知其然还要知道它们的数学表达和概率解释。还有一个高频考点是“偏差-方差分解”。题目往往这样出一个模型训练集误差很低但测试集误差很高问你最可能是因为什么。答案当然是方差过大、过拟合。但联想会把它变个花样——比如给出一组学习曲线让你判断模型处于什么状态以及最有效的解决手段是什么。这就要你把偏差-方差理论和实际调参经验结合起来不是纯理论题了。提示备考机器学习基础时强烈建议自己动手推一遍逻辑回归、SVM、朴素贝叶斯的数学推导。不一定要精通所有细节但至少知道损失函数怎么来的、梯度怎么更新。联想的题考得很活但万变不离其宗。2.2 深度学习基础Transformer和训练技巧是绝对重点今年的深度学习基础题里Transformer相关的题目占比非常高这跟整个行业的技术趋势是一致的。我在笔试中遇到了好几道关于自注意力机制的题目比如计算复杂度、位置编码的作用、多头注意力的意义等等。这些内容在面试中也是高频考点笔试阶段就要打好底子。具体来说你需要掌握这几个方面自注意力机制的公式(Q、K、V怎么算softmax温度系数的作用)多头注意力为什么有效(不同的头学到了不同的语义子空间)位置编码为什么需要(Transformer没有时序信息必须显式注入位置信息)。今年联想甚至考了一道关于RoPE(旋转位置编码)的简答题让你说明它相比传统绝对位置编码的优势。这就属于前沿一点的题目了说明他们确实在关注行业最新进展不只是考老掉牙的基础。训练技巧方面的考点包括学习率预热(learning rate warmup)的作用、梯度裁剪解决什么问题、混合精度训练的原理、Batch Normalization和Layer Normalization的区别。这里有个容易混淆的点很多同学搞不清为什么Transformer用LayerNorm而CNN用BatchNorm。核心原因在于BatchNorm依赖batch维度统计量而NLP任务中序列长度变化大、batch通常较小统计量不稳定LayerNorm是对每个样本的隐含层做归一化不受batch大小影响更适合序列模型。这类“为什么用A不用B”的题目才是拉开差距的关键。2.3 数学基础与算法思维概率题永远是主力数学基础这块概率论和线性代数各占半壁江山。概率论最爱考的是贝叶斯公式、期望方差的计算、常见分布的性质以及简单的参数估计。我记得有一道题是这样的一个袋子里有红球和白球红球比例未知你随机抽取10个球其中7个是红的用极大似然估计红球比例是多少。这道题本身不难答案是0.7但如果你不知道极大似然估计的基本思路就会卡住。线性代数的高频考点是矩阵特征值分解、奇异值分解(SVD)、正定矩阵性质。这些知识点表面上看起来和AI关系不大但实际上PCA、推荐系统、词向量训练都离不开它们。我记得有一道题是问SVD在推荐系统中的应用场景以及为什么用SVD能处理稀疏矩阵。这就是典型的“用数学解决工程问题”的思路。算法思维这块除了笔试中的编程题选择题里也会穿插一些复杂度分析、数据结构选择的问题。比如给一个场景需要对海量数据进行实时TopK统计你选什么数据结构合适。答案是堆(Heap)时间复杂度O(nlogK)而不是全排序。这种题目对刷过题的同学来说很简单但对只背理论不会做题的同学来说就容易丢分。3. 联想特色端侧AI与多模态场景化命题3.1 为什么联想会重点考察端侧AI如果你想投联想的AI岗就一定要了解这家公司的业务偏向。联想是做PC、服务器、智能设备起家的这几年大力布局“端-边-云”协同的AI战略。所谓端侧AI就是在手机、PC、物联网设备上直接运行AI模型而不是把数据传到云端再计算。这个方向在联想的笔试中体现得非常明显几乎每年都会有相关的场景题。端侧AI的核心约束是“资源有限”算力有限、内存有限、电池有限。所以在考察相关知识点时联想会非常关注你知不知道怎么在资源受限的情况下部署模型。比如模型压缩技术——剪枝、量化、知识蒸馏这些传统AI岗可能只是了解层面的东西在联想的笔试里会成为考察重点。具体题目可能这样出一个图像分类模型要在某款PC设备上实时运行但推理速度不达标问你最有效的优化手段是什么。选项里有换更大的模型、减少输入图像分辨率、做8bit量化、增加batch size。正确答案是量化和减少输入分辨率因为换大模型只会更慢增加batch size在推理端往往没意义。这类题目考察的是你对“模型部署”这个环节是否有实际概念。3.2 场景化命题的解题框架从业务需求反推技术方案联想的综合推理题特别喜欢给你一个业务场景让你从技术角度给出方案。这些场景往往和联想的产品线强相关比如智能会议系统的语音识别、PC端的文档OCR、工厂里的质量检测等等。解答这类题目有一个非常实用的框架先明确业务约束再评估可选技术方案最后给出可落地的建议。举一个我今年遇到的真题变体联想有一款面向教育场景的智能平板需要在离线状态下完成学生作业的OCR识别和错题分析。离线意味着不能调用云端大模型必须在设备端完成。问题问你会选择什么技术路线以及遇到的主要挑战是什么。我当时的答题思路是OCR部分选择轻量级的端侧OCR模型(如PaddleOCR的移动端版本)错题分析部分用规则加小模型结合的方式主要挑战是手写体识别准确率、设备算力限制和离线模型更新机制。这个思路本身没有标准答案但你要体现出“在约束条件下做技术取舍”的能力这正是技术研究岗需要的素质。提示备考联想这种偏硬件的AI岗一定要去了解他们最近发布的AI产品和技术路线。比如端侧大模型、AI PC、异构计算这些概念如果能在笔试的简答题里自然地带出来会让你的答案更有针对性。4. 备考时间线与资料清单4.1 三轮复习法从打基础到模拟冲刺因为联想笔试的范围比较广我不建议你考前一周才临时抱佛脚。比较稳妥的做法是安排三到四周的备考周期分成三轮来复习。第一轮(第1周)是打基础重点是机器学习核心算法和深度学习基础。这个阶段你需要快速过一遍知识点不需要做题但要理解每个模型的原理、优缺点和适用场景。推荐用李航的《统计学习方法》前六章加上李沐的《动手学深度学习》相关章节把逻辑回归、SVM、决策树、CNN、RNN这些核心模型过一遍。这个阶段的目标是建立起完整的知识框架而不是死记硬背。第二轮(第2-3周)是刷题和补盲区。这一轮你要开始做往年真题和模拟题重点练习机器学习/深度学习的选择题同时保证每天至少两道编程题的手感。做题过程中你会发现自己的知识盲区比如某个数学公式不熟悉、某种模型原理理解不透彻这时候再有针对性地回去查资料。我们当时建了一个秋招刷题群每天互相分享错题效果比自己闷头刷好很多。第三轮(考前3-5天)是模拟冲刺。严格按照考试的时间限制做整套模拟题目的是适应考试节奏和题量。模拟的时候一定要计时不要一道题卡太久。这个阶段还要重点复习之前做错的题目把易错点整理成笔记反复看。我自己习惯考前把所有核心公式手写一遍既加深记忆也方便考试时快速调动。4.2 备考资料推荐哪些值得看哪些可以跳过关于备考资料我踩过一些坑也积累了一些心得。市面上的资料鱼龙混杂很多内容花哨但没用。以我的经验来看把这些资料吃透就够了。资料使用方式优先级《统计学习方法》前6章重点掌握逻辑回归、SVM、决策树推导高《动手学深度学习》快速熟悉PyTorch实现和Transformer结构高CS229课程笔记补充概率论和优化算法细节中《百面机器学习》刷面试/笔试题查漏补缺高LeetCode热题100每天2-3题保持编程手感高各类模型技术博客理解“为什么”层面的细节中至于那些动辄几百页的“XX大厂真题合集”我不是特别推荐。因为网上流传的真题往往不完整而且很多没有标准答案做错了也不知道为什么错反而浪费时间。不如把精力放在核心基础知识的深度理解上。笔试题目虽然千变万化但核心考点是稳定的基础扎实了以不变应万变。5. 踩坑记录笔试中容易丢分的六个细节5.1 题型相关多选题是最容易翻车的地方联想的机器学习基础题里多选题占比不低而且评分标准通常是“少选得部分分错选不得分”。这个规则很关键意味着你拿不准的选项千万别选。我看过不少同学明明知识掌握得不错但每次多选题都喜欢把不确定的选项也勾上结果错选被整题扣分非常可惜。我记得有一道多选题以下哪些措施可以缓解过拟合选项包括增加训练数据、降低模型复杂度、增加模型层数、使用Dropout、增大正则化系数。正确答案是增加训练数据、降低模型复杂度、使用Dropout、增大正则化系数。但有个同学选了“增加模型层数”因为他觉得模型更大了能拟合更多特征完全弄反了。这种题就是考察你对过拟合本质的理解而不是让你靠猜。我建议你在做多选题时先把确定的选项选上不确定的宁可不选保住基础分。另一个容易丢分的地方是简答题。联想的简答题不一定每场都有但一旦有分值往往不低。简答题的答题策略是“结构清晰、要点突出”。不需要写长篇大论但要把关键点分条列清楚。比如问“如何解决Transformer推理速度慢的问题”你可以从模型层面(剪枝、蒸馏、量化)和工程层面(算子融合、并行推理)两个维度来答。用分点作答阅卷人一眼就能看到你的思路框架。5.2 代码细节边界条件和复杂度是隐性扣分点编程题虽然是标准算法题但联想的编程题有一些“隐藏要求”要注意。首先是输入输出格式有些题目要求从标准输入读取有些则是补全函数。如果是补全函数注意看清楚函数的参数类型和返回值类型不要写错签名。其次是时间和空间复杂度的限制有的题目会明确给出数据规模这其实是在暗示你应该用什么复杂度的算法。我今年遇到的一道题是这样给定一个无序数组要求找出最长的连续序列长度时间复杂度要求O(n)。看到这个要求就应该立刻想到用哈希集合而不是排序之后遍历。如果你用了排序即使功能正确也会因为不满足时间要求而只拿部分分数。这类题目非常常见LeetCode的“最长连续序列”(128题)就是原题。所以刷题的时候不要只看自己能不能AC还要想清楚最优解是什么为什么这个复杂度是必须的。还有个细节很多编程题支持多种语言作答但不同语言在输入输出上差异很大。习惯用C刷题的同学考试时如果选了Python要注意输入读取的方式不同别在环境切换上浪费时间。我自己是考前就确定好主用语言每一道编程题都用Python写这样在考场上不需要思考直接开写。5.3 常见问题速查表考前30分钟过一遍最后整理一份考前提纲式的检查清单来自我多次笔试的经验教训你可以保存下来考前30分钟过一遍。易错点正确理解/建议L1/L2正则化对应的先验L1拉普拉斯先验L2高斯先验Dropout训练和推理的区别训练时随机失活推理时保留全部并缩放权重BatchNorm和LayerNorm适用场景CV用BN多NLP/Transformer用LN多梯度消失的常见原因网络过深、激活函数饱和、初始化不当端侧模型优化的主要手段量化、剪枝、蒸馏、算子优化多选题评分规则少选得部分分错选不得分拿不准不选编程题复杂度要求注意看数据规模提示选择匹配的算法简答题答题格式分点作答先结论后原因逻辑清晰另外再提醒一点考试前务必检查自己的网络环境和设备。联想的笔试通常是在第三方在线笔试平台进行如果中途断网系统可能不会自动保存已提交的答案。我有一次就是答完编程题提交时网络卡了几秒差点丢题。所以建议提前十分钟进系统把环境调试好考试过程中尽量别切换网络。按照我个人的备考体验联想技术研究人工智能类笔试的难度在秋招大厂里不算最顶尖但覆盖面非常广想在短时间内全部掌握几乎不可能。你需要做的是抓住主要矛盾机器学习/深度学习基础是确定性的送分题编程题是拉开差距的硬骨头场景题是展现你AI工程思维的关键。把这三块把握好笔试通过应该问题不大。最后再分享一个容易被忽略的点考完试回头看那些平时喜欢看技术博客、自己动手复现论文的同学在笔试里普遍表现得更好。因为笔试考察的本质不是记忆而是理解。你只有在平时多问自己“为什么”才能在考场上快速给出正确答案。