AI 总结文章记录了南京大学本校AI学院学生保研至南大AI学院LAMDA组的详细经历，包含完整的考核流程记录。LAMDA组面试分两轮：一面由组内硕博学长姐三对一面试（自我介绍+项目细节+数学问题），二面由三位老师面试（项目追问+简历提问+知识性问答如距离度量性质/KL散度等）。AI院开放日考核包括机试（算法题+机器学习编程题+数据处理）和面试，总分300分机试面试各占50%。机试详细记录了两道大题的具体内容：第一大题四小问涵盖表格数据处理、TF-IDF计算、编辑距离、文本级编辑距离；第二大题80分需实现逻辑回归（预测正确率/F1 score/softmax/sigmoid/梯度下降等）。面试为四对一共12分钟（学硕），包含英文面和中文专业课提问，记录了SVM对偶问题、RL问题、A*算法、BatchNorm等面试真题。作者强调机试应倒序开题提高性价比，面试问题非常杂需查缺补漏，参考优营分数线约200-210分。
我本科南大 AI 院，rank 不算高也不算低，纯绩点选手，项目经历一般。最终去向：LAMDA 组直博。
🔴 大三上的错觉
2024 年秋季尝试套磁了外校几位老师，现在回头看，当时太看得起自己了。简历丰富度根本不够，结果都不太成功。到大三下学期其实动摇过，但变懒了，没实践。等得知保研政策大变的时候，已经来不及调头了，只能破釜沉舟冲本校。
事后诸葛亮，有时感觉一手好牌打得稀烂，但我满足于本校了。
📅 LAMDA 面（6.1 报名截止，7.1 一面，7.8 二面）
今年政策改革，LAMDA 面拖到 6.1 才截止报名，往年这时候都面完好几轮了。和期末周冲突，6.25 官网才通知 6.28 发面谈通知，6.26 下午收到邮件，一面定在 7.1 下午，线上双机位，10 分钟。
一面三对一，学长姐面。先自我介绍，然后问项目细节，最后看我简历写了数分，问了个 $\int_{0}^\pi\sin^2 x\mathrm d x$ 的值。我现场降智了，虽然算出来但拐了很多弯路。建议：项目实现细节、研究方向相关都要准备。
7.7 下午收到通过通知，二面 7.8 下午。三位老师面，介绍项目细节，追问"这个方法相比传统方法有什么好处"。看我写了实变泛函，问：距离度量有什么性质？机器学习实践中会用到哪些距离度量？KL 散度是不是距离度量？ 还好比较仁慈。后面问比赛和交换经历，主打实事求是，别尬住。
二面看老师风格，有的问 ML / 算法 / 编程实践，有的聊项目。我们组知识性问答算少的，我已经是被问比较多的那个。
7.13 接到电话通过面试，提醒必须报名并通过 AI 院开放日才有资格进组。
🔵 AI 院开放日（7.24-7.26）
6.24 收到报名通知，截止 7.15，只说"7 月中下旬"，很搞心态。考核机试 + 面试，今年少了笔试，机试占 50%。
准备资源：力扣（算法）、头歌人工智能导论课程（ML 部分，看模型评估与选择、KNN、决策树、神经网络、kmeans、PCA、LDA 就行，难题跳过，选择题用金币买答案也可跳过）。数据处理部分复习 pandas、文本文件读取、字符串处理、不同文件格式、异常处理。
7.16 晚上收到确认，开放日 7.24-7.26。第一天报道 + 开幕式，晚上 7:00-9:00 机试。面试 7.25-7.26 分四场。总分 300，机试 150，面试 150（英语 30 + 综合能力 120）。
💻 机试体验极差
两道大题。第一大题四问，从 csv/txt 读数据，结果写 txt，十个测试集，共 70 分。
第一小题：无表头、有空属性和非数字属性的表格，异常处理，计算数据大小、特征均值、标准差、指定属性熵值。细节爆炸，第一题就很搞心态。
第二小题：NLP 的 TF-IDF 计算，给了定义公式，统计若干行句子中每个词的 TF-IDF。实现麻烦，我第一题花太久，跳了。
第三小题：编辑距离（力扣 72）。算法课讲过，很急不知道对不对。力扣白刷了，准备机试不需要在算法层面花太多时间，过一下面试经典 150 题，选几个练练手就好。用 Python 写，不限制语言，不会特意卡。
第四小题：第三题加强版，文本级编辑距离，没来得及看。
第二大题 80 分，实现逻辑回归，给了框架代码。要写的有：预测正确率、F1 score、两矩阵行向量距离（题目要求 numpy 广播，我宕机了只写了暴力）、softmax、sigmoid。最后给 $X$ 和 $y$，计算当前 $w$ 的 loss（给公式）和 grad（自己推公式），实现梯度下降。数据集太弱，只能看能不能跑通，正确性不确定。性价比比第一题高，应该倒序开题。
考试机子不能联网。VSCode（基本没插件）和 PyCharm（专业版到期，社区版没法用）。没怎么用过 VSCode 建议提前熟悉，否则额外花时间。VSCode 有 API 补全，C++ 可用 Dev C++。
机试出来大部分人都说考很烂，没区分度，压力全给面试。
🔴 面试（12 分钟，四对一）
提前 1-2 天邮件通知，顺序当天签到才看。我不幸最后一个，等了很久，手机要上交，电脑耗电快，建议带纸质资料顺次靠后可以看。
流程：提前一个人到教室外等，大教室等喊名字。进门先发简历（至少四份），计时器倒计时结束立即停止。
第一位老师英文面：自我介绍（准备 1-2 分钟），交换项目问题，学校比赛项目问题（介绍项目做什么），中文追问项目实现细节（看我英文太烂）。我六级 500-，考前抱佛脚三四天，背经典问题能应付 80%。
第二位老师：A* 算法是什么（启发式函数设计、最优性保证），未来规划。我答科研方向，他追问硕士毕业继续读还是就业。
第三位老师看我 RL 方向：RL 现在存在的重要问题有什么？ 我说了一个，追问还有呢，又说了一个。看我写了人工智能导论，介绍这门课讲了什么。提前整理了脉络，复习到了。
第四位老师：SVM 为什么要转化成对偶问题求解？ 我答核技巧、解 $\alpha$ 通常稀疏。追问为什么稀疏、稀疏有什么用、所有情况下都对偶好吗、什么时候选择对偶。刚答完时间到，如释重负，心里压了一个多月。
和同学交流，我太幸运了，很多人问题比我难。还记得的真题有：对比朴素贝叶斯和一般贝叶斯（或贝叶斯网）；BatchNorm 训练和测试的不同、不同参数作用；函数连续及极限定义；Transformer 及自注意力机制；优化器对比（SGD、Adam、AdamW）；Topk 快速选择算法（最好会 $\mathcal O(n)$）；超参选择方法；KNN 与决策树优缺点；什么是支持向量；P 和 NP 分别是什么；模型集成方法；优化问题最优性条件；半正定矩阵在机器学习中的应用；什么是图灵测试；傅里叶变换；红黑树；PPO、RL 微调大模型、策略选择（RL 方向）。建议和同学或 AI 互相问，查缺补漏。
参考优营分数线 200-210，200 左右分数段人很多。
⚠️ 一些话
上方是 AI 整理的精读版。原作者亲笔写的完整经验贴 （含更多细节、原始语气、问答互动）仅对会员开放。 升级后即可解锁全站全部经验贴，不限次数阅读。