时间：2025年7月24日-7月26日
基本信息及个人复习经历
共300+人入营。
邮件发布的安排如下（有伏笔）：
第一天 面试（双盲<不得提及本人姓名,或以其他形式暗示本人身份信息>，满分150分，及格线90分。申请人无需准备PPT，可携带个人简历<限1页A4纸，不得提及本人姓名>3份；每位申请人陈述时间2-3分钟）
第二天上午9:30-11:30 机试（闭卷，满分100分。考察C++程序设计、数据结构与算法等知识，涉及 C++, Python等编程语言）
第二天下午13:00-15:00 笔试（闭卷，满分100分。考察人工智能、机器学习、离散数学、数据结构与算法）
第三天 自由交流
针对这份安排及2024年情况，重点复习了
- 机试：Leetcode Hot100 刷了两遍，做到能看到题面就回忆起基本做法。
- 笔试：离散数学【群论、图论、集合论、关系论、数论、组合数学】、数据结构与算法【主要是图部分】、机器学习【西瓜书前10章及配套代码练习】
后来发现自己绝大多数“针对性”的复习一点用都没有（×
第一天 面试
分为11组，每组3个老师负责面试。平均每个人10分钟。
准备了非常多的专业课…结果一点都没问，连项目细节也是如此，仅仅问了下“具体做了什么贡献”以及确认了“大概是个什么项目”。纯纯的聊天面。
英语环节还是在的，每个人被要求用英语介绍的东西不一样，不过我个人没认真准备，也完全没意料到老师会问什么问题，说的非常灾难。
问了有没有报名其他学校。
因为自己的简历提到了一些爱好，老师针对爱好提了很多问题。。。。
最后也是让反向提问，只不过缺乏面试经验的我话都说不利索了。。。。
第二天 机试
电脑上有vscode、Dev-cpp、Clion等IDE，通过小纸条上的链接下载试题，通过NJU-box上传答案（即无OJ，三次提交机会），这些都和去年一样。
但今年没有了机器学习代码题，前两题为强制使用python的算法题，后两题为强制使用C++的算法题。
回收伏笔——原来邮件内容说的一个字都没错！把“等”字都删掉，就变成【考察C++程序设计、数据结构与算法，涉及 C++, Python】，没错，C++和Python都要考！说实话当读到邮件这句话的时候是有想过这种可能的，毕竟去年有强制使用C语言的题目。但没想到真的会这么干。
以下是具体题目（数据范围都很小）
Q1：
输入数据行数n，随后是n行数据，每行第一个数字代表微博发送者的ID，第二个数字代表该发送者@到的人数，剩下的若干数字代表该微博@到的人。需要做的是统计输出被提到（次数 or 人数？此处我和部分同学对题意的理解不同，会影响答案，不知道谁是对的）最多的人，并输出所有@到该人的微博发送者ID。
自己瞎编的样例：
输入3114514 5 1 2 3 2 41919 2 1 21 2 3 42 2 2 5
输出2114514 1919 2纯考python语法来的。
Q2：
输入数据行数n，随后是n行数据，每行是两个数字代表一个区间，选取尽可能多的区间使得这些区间互不相交，输出该最大区间数。
经典贪心。按照右端点升序排序。【我按左端点排序了我在干什么】
正确性证明：假设我们有一个最优解 ，而我们的贪心解 是每次选右端点最早的区间。 我们来证明 不会比 差。
步骤1：对比第一个选择
- 选择的第一个区间是右端点最小的区间，记为 。
- 选择的第一个区间是 。
因为 的右端点不大于 的右端点， 我们可以把 的第一个区间替换成 ，不会影响剩下的区间安排。
这一步的关键是： 结束时间更早或一样早，所以不会和 的后续区间冲突。
步骤2：递归继续
替换完第一个区间后，问题变成“从剩下的区间中选择最多的区间”，依然满足相同的性质。 用同样的方法递归下去，最终可以把最优解 转换成我们的贪心解 ，并且选择的区间数量不减少。
Q3：
给定字符串，最多连续出现多少次给定子串？
自己瞎编的样例：
输入abcbcbcb bc输出2
输入abcbcbcb cb输出3难绷群里一堆讨论字符串匹配算法的给我整不会了。其实一遍扫描就能解决。
Q4：
给定树（root），求最深一层所有节点权值之和。
过于简单了吧。。。。。。。层序遍历。注意边界情况。
第二天 笔试
和24年一样的8道题，但这里再次回收伏笔，邮件内容和去年的区别在于增加了“人工智能”一词，删去了概率论。
内容无比简单。感觉毫无区分度（但我还是错了两道呜呜）
实际考了
Q1：选择题，要会k进制比大小、8421BCD码、布尔代数（求给定式的最小项个数）
Q2：一阶命题逻辑转化，找有无矛盾
Q3：启发式算法【是的，这是我们《人工智能导论》专业课的内容】
Q4：（一元二次函数）梯度下降手算
Q5：（二维）线性回归梯度下降手算
Q6：（三个二维点）PCA手算
Q7：Kruskal和Prim算法手算
Q8：斐波那契递归/迭代的时间复杂度分析
Q2我脑子短路了最后推出个不存在矛盾（这一题暴亏）
Q3没复习早就忘了。瞎蒙的。
启发式算法复习
g(x)：从起点到当前节点的实际代价。
h(x)：从当前节点到目标节点的估计代价（启发函数）。
A* 算法（A-Star）
加权方式：f(x) = g(x) + h(x)
- 说明：这是最经典的启发式搜索算法，
h(x)必须是可接受的
Greedy Best-First Search（贪心最佳优先搜索）
加权方式：f(x) = h(x)
- 说明：只考虑启发函数，完全忽略实际代价。速度快但不保证最优。
要保证启发式搜索算法能找到最优解（即代价最小的路径），必须满足以下两个条件：
- 可接受性（Admissibility）
- 启发函数
h(x)必须不能高估从当前节点到目标的真实代价。 - 也就是说：
h(x) ≤ h*(x)，其中h*(x)是从节点 x 到目标的真实最小代价。 - 这个条件保证 A* 不会跳过任何可能更优的路径。
- 一致性（Consistency，或单调性）
- 一致性是一个更强的条件，它要求启发函数满足三角不等式：
其中h(x) ≤ c(x, y) + h(y)
c(x, y)是从节点 x 到其邻居 y 的代价。 - 一致性不仅保证最优性，还保证 A* 的效率（每个节点最多扩展一次）。
练习（即本次笔试Q3）
启发式路径算法是一种启发式搜索算法，它的评估函数是 ，假设 是可采纳（admissible）的， 取什么值能保证算法的最优性？当 , , 时，分别对应什么搜索算法？
则必须有 也即 也即 才能保证算法的最优性。
- 时对应一致代价算法，
- 对应 A* 算法，
- 对应贪心算法。
第三天及总结
第二天考完试开了一个学院宣讲会（实际上感觉是工程硕博宣讲会hhh）
然后就没有统一安排了，可以找意向老师交流，不交流的就可以走人啦~
总之自己发挥的非常一般，之前的复习完全偏离了方向。除了“好热闹呀我们智科院”也没什么更多的感想了。
结果
TODO