第121章 T厂技术一面（2 / 2）

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

heapq.heapph(heap,(heightMap[i][n-1],i,n-1))

visited[i][0]=visited[i][n-1]=True

forjrange(1,n-1):

heapq.heapph(heap,(heightMap[0][j],0,j))

heapq.heapph(heap,(heightMap[-1][j],-1,j))

visited[0][j]=visited[-1][j]=True

dires=[(0,1),(0,-1),(1,0),(-1,0)]

water=0

whileheap:

height,x,y=heapq.heappop(heap)

fordx,dydires:

nx,ny=x+dx,y+dy

if0＜=nx＜and0＜=ny＜nandnotvisited[nx][ny]:

visited[nx][ny]=True

#如果相邻格子比当前边界矮，可以接水

water+=ax(0,height-heightMap[nx][ny])

#新边界的高度是ax(当前边界高度,相邻格子高度)

heapq.heapph(heap,(ax(height,heightMap[nx][ny]),nx,ny))

returnwater

运行，再次AC。

王磊看着结果，沉默了几秒。然后他抬起头，笑容更明显了些：“两道Hard题，全部一次AC，而且时间控制得很好。林先生，你的算法功底比很多科班出身的候选人还要扎实”。

“谢谢”。林晨松了口气，但不敢放松——他知道，算法只是门槛，真正的重点在后面。

果然，王磊将iPad放到一边，身体前倾：“那我们聊聊项目吧。你简历上写的这个‘智能量化投资系统’，我挺感兴趣的。一个做了十年跨境电商的人，怎么想到做这个”？

林晨知道，展示价值的时刻到了。

他打开自己带来的笔记本电脑，调出系统的架构图：“其实逻辑是相通的。跨境电商要做库存预测、价格优化、用户行为分析，本质也是数据驱动决策。我失业后开始学AI，就想能不能把机器学习用在投资上”。

他切换到系统界面——这是他自己开发的Web端，简洁的深色主题，左侧是菜单栏，中间是K线图和策略信号。

“系统分为几个模块”。林晨开始讲解，“数据层，我从多个数据源获取A股、基金、期货、外汇的实时和历史数据，用PySpark做清洗和预处理。特征工程部分，我提取了上百个技术指标，包括均线、MACD、RSI、布林带，还有一些自己设计的因子”。

王磊认真听着，偶尔点头。

“模型层，我用了集成学习。基础模型包括LSTM、GRU这些时序模型，还有XGBoost和LightGBM。但不是简单堆叠，我设计了一个元学习器，动态评估每个子模型在不同市场状态下的表现，分配权重”。

“怎么评估市场状态”？王磊问。

“我用无监督学习做了聚类”。林晨切换到另一张图，“根据波动率、成交量、行业轮动速度等维度，把市场分为震荡市、单边上涨、单边下跌、高波动四种状态。每种状态下，不同策略的有效性差异很大”。

“有意思”。王磊眼睛亮了，“那风控呢”？

“三层风控”。林晨点开风控模块，“第一层，策略层面，每个策略都有最大回撤阈值，触发就暂停。第二层，账户层面，单日亏损超过2%或周亏损超过5%，全仓降杠杆。第三层，人工干预接口，我可以随时手动平仓”。

他顿了顿，补充道：“系统运行半年，累计收益率86%，最大回撤7.2%”。

王磊挑了挑眉：“实盘”？

“实盘”。林晨点头，“我用的是自己的钱。代码可以骗人，但账户净值不会”。

这句话让王磊笑了：“说得对。那你在开发过程中遇到的最大技术挑战是什么”？

林晨想了想：“数据一致性。金融市场数据来源多，格式不一，还有停牌、除权除息、合约换月这些特殊情况。我花了大量时间构建数据管道，确保输入模型的数据是干净、连续、可复现的。另外就是实盘交易时的延迟和滑点问题，我接入了券商API，但中小券商的接口稳定性一般，需要做重试和容错”。

两人就这样聊了四十多分钟。从模型细节到工程实现，从投资理念到技术选型。王磊问得很细，有时甚至会追问某个参数为什么设成0.3而不是0.25。林晨一一作答，有些地方他承认还在优化，但思路是清晰的。

十点五十分，王磊看了眼时间：“差不多了。我这边技术评估没问题，算法和项目都超出预期。接下来会有二面，应该是我们总监陈博士亲自面，他可能会问得更深，尤其是AI底层的一些东西”。

“谢谢王老师”。林晨起身。

“别客气”。王磊也站起来，再次握手，“说实话，你这个转型案例挺励志的。期待和你做同事”。

走出会议室时，林晨感觉脚步轻快了许多。

走廊里人来人往，年轻的程序员们端着咖啡匆匆走过，讨论着模型训练和线上问题。阳光透过落地窗洒进来，整个楼层明亮而充满活力。

他走到窗边，望向楼下。深南大道车流如织，远处腾讯大厦的玻璃幕墙反射着耀眼光芒。这座城市的脉搏，他曾经以为自己已经脱节，但现在，他又一次站在了核心地带的建筑里，用代码证明了自己的价值。

手机震动，是苏婉发来的微信：“面试怎么样”？

林晨打字回复：“一面过了，聊得很好。面试官说期待做同事”。

几乎秒回：“太好了！我就知道你可以！乐乐说晚上要吃大餐庆祝”！

看着屏幕上的字，林晨嘴角扬起。他想起昨晚苏婉说的话——你不是在求职，是在寻找能发挥价值的平台。

也许，T厂就是这个平台。

但下一关，是陈博士。

林晨听说过这位技术总监的名声：严谨、深刻、喜欢追问本质。他会问什么？会如何看待一个半路出家的AI工程师？

电梯下行时，林晨看着楼层数字跳动，心里那个问题逐渐清晰：

当一位追求算法极限的科学家，遇见一个用代码解决实际问题的工程师，会碰撞出怎样的火花？

他不知道答案。

但他已经准备好了。