华为AI实习机考备考手册（Agent方向）— 备考

面向基础较弱、目标过机考：汇总 2025 秋招起 AI 岗机考公开信息、真题回忆与可跟踪的 14 天冲刺计划。均为考生/第三方公开回忆，非官方原卷。

先分清赛道

公开复盘显示：2025 年起华为 AI 前缀岗位机考已与开发岗/OD「3 道纯算法」分流。投「AI 模型工程师 · Agent」时，机考大概率是 AI 卷（选择+AI 编程）。Agent 深度能力更多出现在面试，不是机考主战场。

适用对象与目标

岗位: 中国大陆 · AI模型工程师（Agent技术方向）实习
窗口: 约 2026–2027 实习生/校招同步招聘
基础: 较弱 / 接近零基础
14天目标: 优先冲过机考及格线；面试与项目另排期
语言: 推荐 Python3（也支持 C++/Java 等）

公开信息：华为云等「AI模型工程师」可含 Agent、评测、后训练等；研发类流程常见为注册简历 → 上机考试 → 综合测评 → 专业面试 → 主管面 → Offer（以官网/邀约为准）。

一句话结论

机考形态≠开发岗

约 20 选择（15 单选+5 不定项）+ 2 道 ACM 编程；选择偏数理+ML/LLM，编程常带 AI 外壳

AI卷

及格线以当场为准

多数帖称约 180（满分口径常见 600）；也有写 200 或 160–200——说法不一

核对邀约

Agent 专项少占机考时间

机考更像通用 AI 卷；ReAct/工具调用/RAG/多智能体更可能在技术面

面试侧重

14天现实诚实评估

零基础冲及格偏紧但可执行：保选择基础分 + 拿稳较简单编程部分分；不承诺高分

保过线

可能考什么

两条赛道

开发/通软：常见 3 道编程（如 100/200/300，及格常听 150）。AI 前缀：公开复盘多为 20 选择（约 150）+ 2 编程（约 150+300），及格多称 180。勿硬套 OD 经验。

模块	公开常见形态	分值口径	备注
选择题	15 单选 + 5 不定项	常见约 150	要会算、会判断
编程题1	ACM/IOI，按测试点给分	常见约 150	可多次提交取最高
编程题2	题干更长、更综合	常见约 300	分值≠一定更难
语言	C/C++/Java/Python/Go 等	—	零基础优先 Python3
时长/监考	常见约 120–150 分钟；摄像头+录屏	—	以邮件/链接为准

选择题高频域

线代：线性变换、矩阵、秩、PCA
概率：常见分布、期望方差变换
数值：牛顿/割线收敛、插值（偶发）
ML：过拟合、正则、指标、聚类、EM/GMM
DL：激活函数、优化、卷积维度直觉
Transformer/LLM：Attention、KV Cache、Prefill/Decode、量化、Top-P、FlashAttention/PagedAttention
偶发：多模态对齐、安全对齐失效

编程题常见形态

题面常带大模型训练/推理/运维/聚类故事，拆开多为：清洗+逻辑回归、KMeans/并查集、滑动窗口注意力、资源约束背包/调度、复杂模拟。公开复盘强调勿直接调 sklearn/PyTorch，需手写核心循环；暴力/部分测试点可得分。

算法功底：模拟、哈希、排序、DFS/BFS、基础 DP/背包、并查集、堆
ML 板子：线性/逻辑回归、KNN、KMeans、简单注意力
工程：ACM IO、边界、数值稳定

对 Agent 方向

机考侧（优先）

按 AI 通用卷：数理+ML/LLM 选择 + 手撕板子
保证读长题、写 IO、拿部分分
时间紧少挖 Agent 框架

面试侧（后续）

ReAct / 规划 / 工具调用 / 记忆与上下文
RAG 分块与召回、Function Calling 兜底
项目深挖 + 场景化手撕（工具路由 Top-K）

JD 强调 Agent/RL/长程工具编排，但公开机考回忆很少以 Agent 系统题为主；更稳妥推断：机考筛 AI 基础与代码力，Agent 留给面试。

复习方法

1
先通 Python + ACM IO
没有 IO 模板，编程分可能先丢在格式。定 Python3。
2
并行补能算的选择
线代/概率/过拟合/激活/Transformer 主干；刷题带概念，不死磕证明。
3
手撕 4–6 个 ML 板子
逻辑回归、KMeans、KNN、清洗、Attention、简单背包。写到默写。
4
真题风格套题 + 计时
牛客 AI 编程专项与回忆题；至少 2 次全真模拟。

类型	去哪	怎么用
选择练习	牛客专项 / 回忆帖	每天固定量；错题只留结论
AI 编程板子	牛客在线编程·AI 篇	必须练手动 IO
算法基本功	LeetCode 简单-中等	服务「带皮」题，不追 Hard
概念急救	短视频精讲	数小时一块，立刻刷题验证
真题复盘	牛客/CSDN/B站	学题型考点，勿迷信完整泄题

选择：一天 40 题看懂解析，好过 10 题死磕证明
编程：15–20 分钟无思路→看题解→重写→隔日默写
错题本三列：考点 / 一句话结论 / 易混项
每周至少 1 次限时，练读长题干

考试要点

选择矩阵与线性变换、PCA 方差贡献率
选择常见分布 + 期望方差变换
选择过拟合/正则/评估指标
选择激活函数与 Softmax
选择 Attention / KV Cache / Prefill-Decode / 量化
编程 ACM IO 模板 + 样例格式
编程逻辑回归 / KMeans / 数据清洗
编程注意力或资源约束类模拟
策略暴力/部分分与多次提交策略

上表为备考快照。请在「14天计划」用开关跟踪，或记在笔记。

阶段	建议	目的
0–5 分钟	两道编程都扫一眼	判断哪道更能拿分
40–60 分钟	先做更有把握的编程	锁住 100–150 分区间
35–45 分钟	选择先易后难	冲击约 80+ 选择分
剩余	第二题暴力/部分分	能拿尽拿，不空白

常见保底拼法

选择约 80 + 较简单编程约 100 + 第二题 0～部分分 ≈ 靠近许多帖所说约 180 及格线。第二题没思路时，优先保第一题与选择。

易踩坑

IO 格式反复提交失败
选择卡死难题拖垮后面
幻想一行 sklearn 交差
机考周塞满 Agent 细节挤掉板子
切屏/开即时通讯/网络不稳

难度与现实预期

相对位置

相对开发机试：更偏 AI+数学，不是更简单
没学过 ML/LLM 时，选择会明显拖后腿
过线导向强，但场次难度有波动
编程多为中等算法+板子；难点常在读题与细节

零基础 14 天

目标：冲击及格，不承诺高分/稳过
每天约 4–6 小时有效学习
放弃 OS/计网/数据库八股堆砌
Agent 面试力需机考后另开项目周期

现实预期

基础弱时：14 天保机考过线优先，而不是同时成为 Agent 工程师。过线后再补可讲述的 Agent/RAG 小项目。每日有效不足 3 小时，建议拉长到 3–4 周。

14天优先保

ACM IO + 1 道编程保分
选择：线代/概率/ML/Transformer 主干
逻辑回归/KMeans/清洗默写

明确后置

完整竞赛体系 / Hard DP
深度 RL 论文级理解
多智能体系统工程

14 天学习计划

本地勾选会写入浏览器 localStorage（同设备可保留）。建议日历/笔记同步打卡。已标记：0/14。

天	阶段	主题	时长	完成标准	本地
D1	打底	Python + ACM IO	4–5h	能默写读入模板且样例格式正确	完成
D2	打底	哈希/排序/模拟	5h	至少 6 题能独立 AC 或完整口述	完成
D3	打底	线性代数急救	4–5h	能手算 2×2 乘法与简单线性相关	完成
D4	打底	概率统计急救	4–5h	30 秒判断题干像哪种分布	完成
D5	AI理论	机器学习基础	5h	见训练/验证曲线能选对对策	完成
D6	AI理论	深度学习基础	5h	口述 Softmax 和为 1	完成
D7	AI理论	Transformer/LLM	5–6h	口述 Prefill compute-bound / Decode memory-bound	完成
D8	手撕	逻辑回归+清洗	5–6h	闭卷写出逻辑回归主循环	完成
D9	手撕	KMeans/KNN	5h	独立实现一轮 KMeans 并处理空簇	完成
D10	手撕	Attention+背包外壳	5–6h	解释 Softmax 前减 max	完成
D11	冲刺	模拟/搜索/基础DP	5h	中等模拟 45 分钟可提交	完成
D12	冲刺	套题模拟#1	4–5h	估分触及公开及格口径（约 180，说法不一）	完成
D13	冲刺	查漏+Agent浅补	4–5h	薄弱点有对策；Agent 名词各讲 30 秒	完成
D14	冲刺	模拟#2+考场清单	4h	有可执行时间分配与放弃规则	完成

按天展开

选择天数

阶段: 打底
主题: Python + ACM IO
时长: 4–5h
完成标准: 能默写读入模板且样例格式正确
当日自检: 口述：为何不是 LeetCode 函数模式？

当日任务

复习列表/字典/字符串/函数与本地 IDE
牛客练 10 组手动 IO
Python3 完成 3 道入门模拟（自处理 IO）

三阶段节奏

D1–4打底

Python/IO、哈希、线代、概率

约 18–20h

D5–10AI+手撕

ML/DL/Transformer + 回归/聚类/注意力

约 30–33h

D11–14冲刺

补算法、两套模拟、浅补 Agent、考场清单

约 17–19h

华为机考原题 / 真题回忆

使用声明

以下均为考生与第三方在牛客、博客、B站等公开渠道的机经复述，不是华为官方题库或原卷。题干、选项、答案与分值可能有出入或场次差异；部分答案存在评论争议。仅供个人复习识别考点，请以当场正式试卷为准。本页不做整卷无出处粘贴。

选择题条目: 31 道（按主题归类）
编程题条目: 7 道（题意复述+思路骨架）
优先场次: AI 前缀岗（约20选择+2编程）
适用说明: 开发岗/OD 纯算法卷不适用；Agent 岗机考仍按 AI 通用卷准备

显示选择题 31 · 编程题 7

选择题回忆（31）

每条含题干要点、选项要点、公开讨论中的参考答案/争议、来源链接。建议先自答再展开看答案。

L1 线代/数值线性变换 T:R²→R² 将 e1 映为 [3,1]ᵀ、e2 映为 [-1,2]ᵀ，求 v=[4,3]ᵀ 的像。

场次: 2025.09.03 AI岗
题干要点: 线性变换 T:R²→R² 将 e1 映为 [3,1]ᵀ、e2 映为 [-1,2]ᵀ，求 v=[4,3]ᵀ 的像。
选项要点: A [5,7] B [8,11] C [12,-2] D [9,10]
参考思路/答案: 公开讨论多给 A；另有复盘按矩阵列拼法得 [9,10]（D）。手算核对：A=[3,-1;1,2]，Av=[9,10]。
复习提示: 矩阵列=基向量像；先手算再对答案。
来源: https://www.nowcoder.com/discuss/794930989293117440

L2 线代/数值 u=[2,-1,3]ᵀ，v=[4,0,-2]ᵀ，A=uvᵀ，求 A 的第 2 行第 3 列（从 1 计）。

场次: 2025.09.03 AI岗
题干要点: u=[2,-1,3]ᵀ，v=[4,0,-2]ᵀ，A=uvᵀ，求 A 的第 2 行第 3 列（从 1 计）。
选项要点: A 2 B -4 C 0 D 6
参考思路/答案: A。A_ij=u_i·v_j → (-1)×(-2)=2。
复习提示: 外积元素对应相乘。
来源: https://www.nowcoder.com/discuss/794930989293117440

L3 线代/数值 α1,α2,α3 线性无关；β 由 k1,k2 线性组合给出；若 β1,β2,β3 线性相关，求 k1,k2。

场次: 2025.09.03 AI岗
题干要点: α1,α2,α3 线性无关；β 由 k1,k2 线性组合给出；若 β1,β2,β3 线性相关，求 k1,k2。
选项要点: A k1=1且k2=0 B k1=1或k2=1 C k1=1且k2=1 D k1=1或k2=0
参考思路/答案: 公开共识 D（行列式条件）。
复习提示: 线性相关⇔组合系数行列式为 0。
来源: https://zeeklog.com/hua-wei-aigang-ji-kao-20250903wan-zheng-zhen-ti-9

L4 线代/数值关于线性变换 T:Rⁿ→Rᵐ，哪项正确？

场次: 2025.09.03 AI岗
题干要点: 关于线性变换 T:Rⁿ→Rᵐ，哪项正确？
选项要点: A 可加性仅正交时成立 B 零向量不一定映零 C 不能改维度 D T(cu)=cT(u) 恒成立
参考思路/答案: D。
复习提示: 齐次性是定义；可改维度；T(0)=0。
来源: https://www.nowcoder.com/discuss/794930989293117440

L5 线代/数值线性变换判定（含常数项映射、和仍线性、定义式）。

场次: 2025.09.03 不定项
题干要点: 线性变换判定（含常数项映射、和仍线性、定义式）。
选项要点: 多选：含仿射项的映射不是线性；线性变换之和仍线性。
参考思路/答案: 公开回忆答 ACD（含常数项 1 的那个选项错）。
复习提示: T(0)=0 是硬门槛。
来源: https://www.nowcoder.com/discuss/794930989293117440

P1 概率统计迭代 x_{k+1}=cos(x_k) 求 x=cos x，关于收敛性哪项正确？

场次: 2025.09.03 AI岗
题干要点: 迭代 x_{k+1}=cos(x_k) 求 x=cos x，关于收敛性哪项正确？
选项要点: A 二次收敛 B 任意初值收敛到唯一实根 C 不稳定 D 两实根取决于初值
参考思路/答案: 公开主流 B。
复习提示: 唯一实根+压缩映射；收敛多为线性非二次。
来源: https://www.nowcoder.com/discuss/794930989293117440

P2 概率统计 E[X]=10, Var(X)=4，Y=3X-5，Var(Y)=？

场次: 2025.09.03 AI岗
题干要点: E[X]=10, Var(X)=4，Y=3X-5，Var(Y)=？
选项要点: A 31 B 36 C 12 D 7
参考思路/答案: B。Var(aX+b)=a²Var(X)=9×4=36。
复习提示: 常数平移不影响方差。
来源: https://www.nowcoder.com/discuss/794930989293117440

P3 概率统计密度 f(x)=1/(b-a)（a≤x≤b）否则 0，是什么分布？

场次: 2025.09.03 AI岗
题干要点: 密度 f(x)=1/(b-a)（a≤x≤b）否则 0，是什么分布？
选项要点: A 泊松 B 指数 C 正态 D 均匀
参考思路/答案: D。
复习提示: 均匀分布标准密度形。
来源: https://www.nowcoder.com/discuss/794930989293117440

P4 概率统计次品率 0.02，抽 100 件，次品数近似服从？

场次: 2025.09.03 AI岗
题干要点: 次品率 0.02，抽 100 件，次品数近似服从？
选项要点: A 均匀 B 伯努利 C 泊松 D 正态
参考思路/答案: C（n 大 p 小，二项→泊松，λ=2）。
复习提示: 别选正态（np 与 n(1-p) 条件更严）。
来源: https://www.nowcoder.com/discuss/794930989293117440

P5 概率统计检验正态性，哪项错误？

场次: 2025.09.03 AI岗
题干要点: 检验正态性，哪项错误？
选项要点: A 直方图 B 拟合优度 C 偏度/峰度 D T检验
参考思路/答案: D。T 检验比均值，不检验正态性。
复习提示: 正态性≠均值差异检验。
来源: https://www.nowcoder.com/discuss/794930989293117440

P6 概率统计强度 λ 的泊松过程，哪些陈述正确？

场次: 2025.09.03 不定项
题干要点: 强度 λ 的泊松过程，哪些陈述正确？
选项要点: A E[N(t)]=λt B 条件发生时刻 i.i.d.均匀（表述易错） C 首次到达~Exp(λ) D 相邻间隔独立
参考思路/答案: 公开主流 ACD；B 常被判错（应是顺序统计量意义下的均匀，非独立同分布表述）。
复习提示: 泊松过程基础性质必背。
来源: https://www.nowcoder.com/discuss/794930989293117440

P7 概率统计二次插值预测桥梁应力，与真实 σ(t)=100+20t+5t² 比较绝对误差。

场次: 2025.09.03 AI岗
题干要点: 二次插值预测桥梁应力，与真实 σ(t)=100+20t+5t² 比较绝对误差。
选项要点: A 2.5 B 5.0 C 0.0 D 7.5（MPa）
参考思路/答案: 公开帖给 C；评论有异议，建议自己代入 t=1.5 验算。
复习提示: 插值偶发，重在细心代入。
来源: https://www.nowcoder.com/discuss/794930989293117440

M1 机器学习训练集准确率很高、测试集相对很低，最可能？

场次: 2025.09.03 AI岗
题干要点: 训练集准确率很高、测试集相对很低，最可能？
选项要点: A 过拟合 B 欠拟合 C 无法判断 D 正好拟合
参考思路/答案: A。
复习提示: 经典过拟合信号。
来源: https://www.nowcoder.com/discuss/794930989293117440

M2 机器学习 PCA 选主成分主要依据？

场次: 2025.09.03 / 多场
题干要点: PCA 选主成分主要依据？
选项要点: A 分布密度 B 特征相关性 C 方差/特征值贡献率 D 类别分布
参考思路/答案: C（累计贡献率常见口径）。
复习提示: 多场复现的高频题。
来源: https://www.mianlingai.com/blog/huawei-ai-position-machine-test-guide-2026/

M3 机器学习 GMM 的 EM：M-step 解析解需要？

场次: 2025.09.03 不定项
题干要点: GMM 的 EM：M-step 解析解需要？
选项要点: A 必须对角协方差 B 协方差正定 C 权重和为1 D 均值=加权平均
参考思路/答案: 公开主流 BCD（A 非必须）。
复习提示: 权重归一+正定协方差+责任加权均值。
来源: https://www.nowcoder.com/discuss/794930989293117440

M4 机器学习训练精度→97%、验证精度先升后降且验证 loss 上升，不合理的判断/对策？

场次: 约2026.09 场次回忆
题干要点: 训练精度→97%、验证精度先升后降且验证 loss 上升，不合理的判断/对策？
选项要点: 含「欠拟合需增大容量」等选项
参考思路/答案: 不合理的是「欠拟合/增大容量」；应为过拟合，可用早停、加大 L2。
复习提示: 看训练/验证曲线反差。
来源: https://www.nowcoder.com/discuss/925198107363524608

M5 机器学习漏检正样本代价极高，应优先看？

场次: 约2026.09 场次回忆
题干要点: 漏检正样本代价极高，应优先看？
选项要点: A Top-1 B Accuracy C Precision D Recall
参考思路/答案: D 召回率。
复习提示: 漏检敏感→Recall。
来源: https://www.nowcoder.com/discuss/925198107363524608

M6 机器学习通用近似定理主要说明？

场次: 约2026.09 场次回忆
题干要点: 通用近似定理主要说明？
选项要点: 非线性激活+足够宽的单隐层可逼近连续函数
参考思路/答案: 公开共识：非线性激活+足够多隐单元的单隐层可逼近任意连续函数。
复习提示: 不是「线性激活也能」；也不保证全局最优。
来源: https://www.nowcoder.com/discuss/925198107363524608

D1 深度学习文本生成连续文本，最适合？

场次: 2025.09.03 AI岗
题干要点: 文本生成连续文本，最适合？
选项要点: A LSTM B 最大熵 C HMM D 决策树
参考思路/答案: A。
复习提示: 序列长依赖；现代场次也会对比 Transformer。
来源: https://www.nowcoder.com/discuss/794930989293117440

D2 深度学习 ReLU / Softmax / Sigmoid / Tanh 描述哪些正确？

场次: 2025.09.03 不定项
题干要点: ReLU / Softmax / Sigmoid / Tanh 描述哪些正确？
选项要点: 负输入 ReLU=0；Tanh∈[-1,1]；Sigmoid 导数在 0 最大；Softmax 和为1
参考思路/答案: 公开帖给 ABCD。
复习提示: 激活函数四件套必背。
来源: https://www.nowcoder.com/discuss/794930989293117440

T1 Transformer/LLM 关于 Transformer 解码器，哪项错误？

场次: 2025.09.03 AI岗
题干要点: 关于 Transformer 解码器，哪项错误？
选项要点: A 有 Cross-Attention B 第二层 K/V 来自 Encoder C 第二层用 Masked D 有 Masked Self-Attention
参考思路/答案: C 错误（Masked 在第一层自注意力；交叉注意力一般不 Mask 未来）。
复习提示: Decoder：Masked SA → Cross-Attn → FFN。
来源: https://www.nowcoder.com/discuss/794930989293117440

T2 Transformer/LLM 相对 LLM，MLLM 处理多模态的独特挑战？

场次: 2025.09.03 不定项
题干要点: 相对 LLM，MLLM 处理多模态的独特挑战？
选项要点: A 跨模态理解生成 B 实时延迟 C 参数爆炸 D 多模态对齐
参考思路/答案: 公开主流 ABD（C 非「独特」）。
复习提示: 对齐与跨模态是多模态特色。
来源: https://www.nowcoder.com/discuss/794930989293117440

T3 Transformer/LLM Prefill 与 Decode 典型瓶颈？

场次: 约2026.05–09 多场
题干要点: Prefill 与 Decode 典型瓶颈？
选项要点: Prefill compute-bound；Decode memory-bound
参考思路/答案: 公开高度一致：Prefill 算力密集；Decode 访存/带宽受限。
复习提示: LLM 推理必考。
来源: https://www.mianlingai.com/blog/huawei-ai-position-machine-test-guide-2026/

T4 Transformer/LLM Top-P=0.9 含义？

场次: 约2026.09 场次回忆
题干要点: Top-P=0.9 含义？
选项要点: 按概率降序截取累加刚超过 0.9 的最小 token 集合，再归一化采样
参考思路/答案: 不是「丢掉概率<0.9」或「前 90 个」。
复习提示: Nucleus sampling 定义题。
来源: https://www.nowcoder.com/discuss/925198107363524608

T5 Transformer/LLM FlashAttention 核心目的 / Tiling 目的？

场次: 约2026.08–09 多场
题干要点: FlashAttention 核心目的 / Tiling 目的？
选项要点: 减少 HBM 访问，中间结果尽量留在 SRAM；不是减参数/减 FLOPs
参考思路/答案: 公开共识：访存优化。
复习提示: 工程向高频。
来源: https://www.nowcoder.com/discuss/920705864447598592

T6 Transformer/LLM 非对称量化比对称量化多的参数？

场次: 约2026.09 场次回忆
题干要点: 非对称量化比对称量化多的参数？
选项要点: A 偏移量 Z B W C 缩放 S D 激活 σ
参考思路/答案: A 偏移量 Z。
复习提示: 对称≈只 scale；非对称+zero-point。
来源: https://www.mianlingai.com/blog/huawei-ai-position-machine-test-guide-2026/

T7 Transformer/LLM PagedAttention 核心目标？

场次: 约2026.05 实习机考回忆
题干要点: PagedAttention 核心目标？
选项要点: 缓解 KV Cache 显存碎片、提升利用率
参考思路/答案: 公开共识：分页管理 KV，降碎片（非主要为减参数）。
复习提示: 常与 KV Cache 同考。
来源: https://www.nowcoder.com/discuss/912883190480572416

T8 Transformer/LLM KV Cache 在自回归推理中的作用？

场次: 约2026.05 实习机考回忆
题干要点: KV Cache 在自回归推理中的作用？
选项要点: 缓存历史 token 的 K/V，避免每步重复计算
参考思路/答案: 公开共识如上。
复习提示: 不是减参数量。
来源: https://www.nowcoder.com/discuss/912883190480572416

T9 Transformer/LLM Scaled Dot-Product Attention 除以 √d_k 的目的？

场次: 约2026.05 实习机考回忆
题干要点: Scaled Dot-Product Attention 除以 √d_k 的目的？
选项要点: 防止点积过大导致 Softmax 饱和
参考思路/答案: 公开共识：稳定 Softmax，非「保证标准正态」或「减 FLOPs」。
复习提示: Attention 公式细节题。
来源: https://www.nowcoder.com/discuss/912883190480572416

T10 Transformer/LLM Residual Add 后接 RMSNorm，算子融合主要目的？

场次: 约2026.09 场次回忆
题干要点: Residual Add 后接 RMSNorm，算子融合主要目的？
选项要点: 避免中间结果写回 HBM，片上完成归一化
参考思路/答案: 公开共识：减 HBM 往返。
复习提示: 推理优化工程题。
来源: https://www.nowcoder.com/discuss/925198107363524608

T11 Transformer/LLM 通常不建议低比特量化的算子？

场次: 约2026.05 不定项回忆
题干要点: 通常不建议低比特量化的算子？
选项要点: LayerNorm / Softmax / RoPE 等对精度敏感；MatMul 更常量化
参考思路/答案: 公开主流勾选 LayerNorm、Softmax、RoPE。
复习提示: 敏感算子清单。
来源: https://www.nowcoder.com/discuss/912883190480572416

编程题回忆（7）

均为 AI 岗公开机经的题意复述与思路骨架，不附完整可提交代码。建议对照来源帖自行实现并过样例。

C1 编程云存储设备故障预测

场次: 2025.09.03 AI岗
公开分值口径: 约150/300口径（场次标注不一）
题意复述: 设备日志含写入/读取次数、读写延迟、年限、状态(0/1)。先按规则清洗，再批量梯度下降训练逻辑回归，对测试样本输出 0/1。
输入输出要点: 先 N 条训练（含标签），再 M 条预测；每行输出一个 0/1。缺失记 NaN→均值填；次数<0、延迟∉[0,1000]、年限∉[0,20]→中位数替换。迭代 100、lr=0.01、权重初值 0。
考点: ACM IO；缺失/异常清洗；手写 sigmoid+Batch GD；阈值 0.5；勿依赖 sklearn。
思路骨架: 读入→分字段清洗→(可选标准化)→带偏置的批量 GD→同一套统计量处理测试集→sigmoid≥0.5。
复杂度: O(epochs·N·d)；N≤100 量级公开回忆。
来源: https://www.nowcoder.com/discuss/794930989293117440

C2 编程大模型训练 MoE Device-Limited 路由

场次: 2025.09.03 AI岗
公开分值口径: 约150/300口径
题意复述: n 专家均分到 m 个 NPU；每组代表概率=组内最大专家概率；选代表概率最大的 p 组；再在这些组的专家里选概率最大的 k 个，按编号升序输出。
输入输出要点: 第一行 n m p k；第二行 n 个概率。n 不能被 m 整除或选不出 k 个→输出 error。
考点: 分组模拟；两次 Top；边界与 error；排序稳定。
思路骨架: 校验整除→按连续编号分桶→组 max→选 p 组→池内选 k→编号排序输出。
复杂度: O(n log n) 级排序即可；n≤1e4 回忆。
来源: https://zeeklog.com/hua-wei-aigang-ji-kao-20250903wan-zheng-zhen-ti-9

C3 编程滑动窗口注意力机制

场次: 约2026.09.02 AI岗
公开分值口径: 约150
题意复述: 标准 Attention 改为：位置 i 仅与 |i-j|≤w 的 Key 计算；Softmax 前减窗口内 max 防溢出；输出加权 V。
输入输出要点: batch_size seq_len d_k window_size，随后每 batch 的 Q/K/V；输出保留两位小数；参数非法输出 0；batch 间空行。
考点: 局部窗口；缩放 1/√d_k；数值稳定 Softmax；边界裁剪；格式。
思路骨架: 对每个 i 取 [max(0,i-w),min(n-1,i+w)] → 点积/√d → 减 max → exp 归一 → Σ w·V。
复杂度: O(B·N·w·d_k)。
来源: https://www.nowcoder.com/discuss/925198107363524608

C4 编程多尺寸滑动窗口特征转换

场次: 2025.09.10 AI岗
公开分值口径: 约300
题意复述: 对序列与多个窗口：右对齐滑动；每个子窗输出 mean、样本标准差(ddof=1)、min、max、最小二乘斜率；多窗特征横向拼接。
输入输出要点: 行格式如 [序列],[窗口列表]；长度不足最大窗输出 []；数值格式：整数无小数点，最多三位，去尾零。
考点: 右对齐；样本标准差；斜率分母为0或 w=1→0；苛刻格式化。
思路骨架: 行数=n-maxW+1；对每个右端点与每个 w 切片算五元组并拼接。
复杂度: O(行数·窗数·平均窗长)。
来源: https://www.nowcoder.com/discuss/795670968466173952

C5 编程历史窗口搜索（TF-IDF/动态权重）

场次: 2025.09.10 AI岗
公开分值口径: 约150
题意复述: 在查询时刻 t 之前的最近 K 篇文档中检索；越新权重越高；算余弦相似度，返回相似度≥阈值（回忆约 0.6）的最佳匹配。
输入输出要点: 公开复盘为文档流+查询时刻+K；细节以当场题面为准。
考点: 时间窗截取；TF-IDF 或向量化；动态权重；余弦；阈值过滤。
思路骨架: 筛历史 K→加权向量→余弦→阈值比较取最大。
复杂度: 与文档数/词表规模相关；实现以模拟为主。
来源: https://www.nowcoder.com/discuss/799821850153861120

C6 编程 FlashAttention 分块状态合并

场次: 约2026.08.19 AI岗
公开分值口径: 约300
题意复述: 每块状态 (m, wd, sv)；合并用 max 与指数重缩放；支持单点更新与区间合并查询（可线段树）。
输入输出要点: B 块初值 + Q 次更新/查询；查询输出合并后的 sv/wd。
考点: 结合律合并公式；数值稳定；数据结构。
思路骨架: 按题给合并式实现幺半群；线段树维护区间。
复杂度: 查询/更新 O(log B)。
来源: https://www.nowcoder.com/discuss/920705864447598592

C7 编程双资源约束任务收益最大化

场次: 约2025.08 / 面灵复盘
公开分值口径: 约150–300
题意复述: 运维/调度外壳下的双资源约束选任务最大化收益——本质多维背包/资源约束 DP。
输入输出要点: 任务列表含收益与两类资源消耗；容量给定。
考点: 读长题；DP/背包模板；边界。
思路骨架: 抽象为二维费用背包或 DFS 剪枝；先暴力拿部分分。
复杂度: DP 与容量立方/平方相关。
来源: https://www.mianlingai.com/blog/huawei-ai-position-machine-test-guide-2026/

如何用本页刷原题

1
先按主题筛选择
一天一个主题：线代→概率→ML→LLM，对照错题本。
2
编程只默写骨架
清洗+逻辑回归、MoE 路由、滑动窗口 Attention、窗口统计、背包外壳。
3
回源帖核对细节
格式化、边界、error 输出以原帖样例为准；评论区常有纠错。
4
套进 14 天计划
D8–10 对应板子；D12/D14 用两道编程+20 选择计时。

进度自检

1
每日结束（10 分钟）
对照完成标准：能口述则过；否则缺口列入次日首位。
2
隔日回测（20 分钟）
默写板子或重做 5 道错题；失败项优先级上调。
3
D7 / D12 里程碑
D7：Transformer 能否讲清；D12：模拟估分是否触及公开及格口径。
4
速度调控
连续两天完不成：砍拓展，保 IO+板子+选择错题。

监督提示

把 14 天表同步到待办，或每天回传：完成天数、模拟估分、最卡考点。需要改计划再说一声即可迭代本页。

华为AI实习机考备考手册（Agent方向）

适用对象与目标

一句话结论

可能考什么

选择题高频域

编程题常见形态

对 Agent 方向

机考侧（优先）

面试侧（后续）

复习方法

先通 Python + ACM IO

并行补能算的选择

手撕 4–6 个 ML 板子

真题风格套题 + 计时

考试要点

易踩坑

难度与现实预期

相对位置

零基础 14 天

14天优先保

明确后置

14 天学习计划

按天展开

三阶段节奏

华为机考原题 / 真题回忆

选择题回忆（31）

编程题回忆（7）

如何用本页刷原题

先按主题筛选择

编程只默写骨架

回源帖核对细节

套进 14 天计划

进度自检

每日结束（10 分钟）

隔日回测（20 分钟）

D7 / D12 里程碑

速度调控

主要公开来源