IMC Grad / Intern OA + Quant Performance 面经

💡 核心要点 (Key Takeaways)

• IMC 的 OA 题集跨 cycle、跨条线高度复用：2025 年 9 月 summer intern、2025 年 11 月 2025/2026 Grad & Intern、2026 年 1 月 quant performance 的候选人都描述了同一套 2 题（120 分钟，HackerRank）——先过一遍公开题信号再作答，是 IMC 上收益最大的准备动作。
• Quant Performance 条线在 OA 后多一轮 HR 技术快问快答：10+ 分钟团队介绍后连发 5 道 CS Yes/No（位宽、缓存策略、数据结构复杂度、图论基础），HR 只念题不给澄清——听不清必须主动复述确认，猜答是真实挂点。
• ML / Quant 线 onsite 信号是 4 轮知识密集型：MMG / 定价期望、optimization（KKT）、概率（random walk、gambler's ruin 级别）、ML coding（EDA、回归、NN overfitting）、ML fundamental（线性回归、transformer），概率与 ML 基础深度是硬门槛。
• OA 两道题都是「业务场景包装 + 算法内核」：分配浪费最小化（贪心 + 排序 / 二分）和树指令传播第 k 个接收者（先序编号 / 子树规模 + 多查询），难度中等，真正卡人的是边界处理（并列取小 index、无法满足返回 -1、k 越界）和 runtime 优化。
• 流程节奏快且会转线：OA 题集滚动复用、新开的 quant 岗位由 recruiter 邮件主动 follow up 转线，有 2025 年 9 月 OA 候选人最终进入 waitlist——OA 提交后要立刻切到下一轮准备状态，别松下来。

这篇适合谁

这篇写给准备 IMC 2026 Grad / Intern 面试的候选人：主线是 SWE 方向的 HackerRank OA（2 题 120 分钟），加上 Quant Performance / ML 条线的 HR 技术快问快答和 onsite 信号。级别以应届（Grad / New Grad）和实习（Summer Intern）为主，含 2026 / 2027 cycle 申请者。

一句话定位：IMC 和一般大厂最大的不同在两处——第一，OA 题集跨 cycle、跨条线高度复用（2025 和 2026 两个 cycle、SWE 与 quant performance 两条线的候选人描述的是同一套两道题），公开题信号的准备杠杆比大多数公司大；第二，quant 条线在 OA 后多一轮「HR 念题快问快答」，这轮明确不给澄清机会，是 IMC 特有的挂点。本篇是 IMC 全流程面经入口（流程 + 题型雷达 + 高频方向 + 挂点 + 路线 + FAQ）；概率与交易基础题型的系统展开参考 Jane Street Trading / QT / SWE 面经，同批 Quant 公司对照参考 Citadel SWE / Quant Intern 面经 和 Optiver OA / QR Intern 面经。各条线、团队和地区的轮次结构会有出入，以实际收到的邀请为准。

面试流程：OA / HR 快问快答 / Onsite 每轮考什么

IMC 的公开流程信号拼起来是：投递 → OA →（HR 技术快问快答，quant 条线）→ onsite → 结果。比一般大厂少了独立的多轮 VO / BQ 结构，但 quant 条线的知识密度不低。

• OA（所有条线第一道门槛，HackerRank，2 题 120 分钟）：HackerRank 标题为 2025/2026 Grad & Intern Software Engineer Assessment，SWE 和 quant performance 条线共用同一套题。2025 年 9 月的 summer intern OA、2025 年 11 月的 Grad & Intern OA、2026 年 1 月的 quant performance OA，候选人描述的都是同样的两道题——题集滚动复用是 IMC OA 最强的公开信号。有 2025 年 9 月 OA 的候选人最终进入 waitlist，说明 OA 是第一道门槛但不是唯一一道。
• HR 技术快问快答轮（Quant Performance 条线信号）：一位投 SWE New Grad 的候选人做完 OA 后，被 recruiter 邮件 follow up 询问是否愿意转面面新开的 quant performance engineer 岗位。随后与 HR 沟通：前 10+ 分钟介绍团队和岗位，之后连发 5 道 technical Yes/No 题（位宽、缓存策略、数据结构复杂度、图论基础方向），HR 明确表示只能念题、不能给任何 clarification。这轮不是行为面，是技术底子筛查，形式是快问快答。
• Onsite（ML / Quant 条线信号，4 轮）：ML intern 候选人的挂经信号是一次 4 轮，覆盖 MMG（定价 / 期望）、optimization（KKT 相关）、probability（random walk、gambler's ruin 级别）、ML coding（EDA、线性回归、训练 NN 和处理 overfitting）、ML fundamental（线性回归、transformer 相关）。quant / ML 线的 onsite 是知识型多轮，不是单轮 coding。
• Trading / VO 条线：公开信号稀缺（2025 年 11 月的 trading VO 帖子大部分内容不可公开读取），只能确认存在 trading 方向的视频面试。如果目标是 trader 线，建议对照 Citadel、Optiver、Jane Street 的公开交易公司信号做概率与直觉准备，以实际收到的邀请为准。
• 节奏与转线：整体节奏快于一般大厂——OA 题集滚动复用意味着多批次候选人做同一套题；新开的 quant 岗位由 recruiter 主动邮件 follow up 转线，说明 IMC 会在流程中按需求调线。OA 提交后要立刻切到下一轮准备状态，不要松下来。

题型雷达：SWE OA 与 Quant / ML 线两个重心

按条线把题型按出现频率排个雷达，IMC 的准备重心明显分两半：

• Coding（OA 主线，SWE / Quant 共用）：2 题 120 分钟，全部是「业务场景包装 + 算法内核」：分配 / 浪费最小化类（贪心 + 排序 / 二分）和树 / 组织指令传播多查询类（先序遍历编号 + 子树规模）。难度对标 medium，区分点在边界处理和 runtime，不在算法难度本身。
• CS 基础快问快答（HR 轮）：Yes/No 形式覆盖位宽与可表示范围、缓存 / 淘汰策略（LFU vs LRU）及其非技术类比、数据结构操作复杂度判断、图论基本性质判断。知识点全是最基础的 CS 通识，但「HR 只念题、不澄清」的形式同时考听力和主动确认的习惯。
• 概率与 MMG（Quant / ML 线 onsite）：定价 / 期望问题（概率分布下的买卖定价，follow-up 延伸到条件概率和指数分布），加绿皮书级别的经典概率（random walk、gambler's ruin）。概率深度是这条线的硬门槛，题型展开参考 Jane Street 篇。
• Optimization（Quant / ML 线 onsite）：KKT condition 相关，公开信号是「很简单」——考点是能默写 KKT 条件并说明适用前提（凸性、约束资格），低成本必保项。
• ML coding + ML fundamental（Quant / ML 线 onsite）：EDA、线性回归实现、训练 NN 并诊断处理 overfitting；fundamental 问线性回归和 transformer 相关。考的是 ML 工程手感 + 模型基础，不是数学证明。
• SQL / BQ：在 IMC 公开信号里基本没出现，不必分配主要准备时间。HR 轮前 10+ 分钟有团队 / 岗位 chat，准备 1-2 分钟讲清「为什么这个团队、为什么这个岗位」即可。

高频题目方向：只讲题型和考点

以下方向来自多篇公开面经信号归纳，只写题型和考点，不复刻任何候选人原帖的逐字内容：

• 容器集合分配 / 浪费最小化（OA 真实信号，2025 与 2026 两个 cycle 均出现）：多个订单有不同需求量，若干候选集合各自提供一组不同容量的容器；每个订单必须用单个容器且装满，无恰好匹配时取 ≥ 需求量的最小容量，浪费 = 容量 − 需求量；某集合无法满足任一订单则淘汰。返回总浪费最小的集合 index，并列取最小 index，无可行集合返回 -1。考点：贪心 + 排序或二分做到 O(n log n)、浪费累加、并列与 -1 的边界处理、题面精读（浪费是差值定义，不是容量之和）。
• 树指令传播 / 第 k 个接收者（OA 真实信号，2025 与 2026 两个 cycle 均出现）：parent[] 数组描述一棵树（-1 为根），指令从发起者向所有下属传播：按子节点编号升序处理，当前子树完全传播完才进入下一个子节点；多个 (发起者, k) 查询，返回第 k 个收到指令的人，k 超过该发起者下属总数返回 -1。考点：先序遍历编号或子树规模 + 前缀把查询降到 O(1) / O(log n)、建树与多查询处理、k 越界边界。
• CS 基础 Yes/No 快问快答（HR 轮真实信号）：位宽与可表示整数范围的判断、LRU vs LFU 淘汰策略比较（附「给非技术背景的人讲清楚」的要求）、链表上二分搜索的复杂度判断、无环图最大边数性质判断。考点：最基础的 CS 通识 + 用非技术类比表达概念的能力；HR 只念题不澄清，没听清要主动请对方重读或复述题意，不能猜。
• 定价 / 期望值 MMG（ML intern onsite 信号）：概率分布下的买卖定价问题（次品 / 正品概率与对应价值、成交价下限约束），follow-up 延伸到条件概率和指数分布。考点：期望值计算、条件概率、分布直觉，定价要有推导过程而不是直接给数。
• 概率经典题（ML intern onsite 信号）：绿皮书级别的 random walk（随机游走）与 gambler's ruin（赌徒破产）。考点：Markov 链方程、期望递推、对称性论证。
• KKT / optimization（ML intern onsite 信号）：KKT condition 相关，公开信号难度低。考点：KKT 条件的完整形式、适用前提（目标与约束的凸性、约束资格），能顺手写出一个简单约束优化问题的 KKT 推导。
• ML coding（ML intern onsite 信号）：EDA、线性回归实现、训练 NN 和处理 overfitting。考点：完整 ML pipeline 手感——数据检查、基线模型、过拟合诊断（train / val 差距、正则化、early stopping）的决策链。
• ML fundamental（ML intern onsite 信号）：线性回归与 transformer 相关。考点：能说清模型形式、基本假设、与相近方法的区别，被追问到细节时不卡壳。

公开面经信号怎么读

面经社区（一亩三分地、Blind 等）是 IMC 面试信息最集中的公开来源，读法决定它对你的价值。几个原则：

先按「条线 + cycle」筛选。IMC 的 SWE OA 和 quant / ML 线信号是两个重心：HR 快问快答和 4 轮知识型 onsite 的信号对纯 SWE 准备帮助有限，反之亦然。先看条线标签，再看时间，只看最近 2-3 个 cycle 的同条线帖子。

找共识，不信个例。IMC 题池里最强的共识信号是「OA 两道题跨 cycle、跨条线相同」——多位独立候选人在不同时间、不同条线下描述了同一套题，这种高置信信号对 OA 准备的杠杆最大。单篇面经说「某轮有某题」不能直接当结论，多篇独立帖子都提到才值得写进准备计划。

挂经比过经更值钱。HR 轮挂经（没听清题目、无法获得澄清、猜答）和 ML intern onsite 挂经（4 轮知识广度）对准备的价值高于过经——挂经作者对挂点的自评往往更诚实。

提取「轮次结构 + 题型方向 + 挂点」，忽略剧情。每篇面经真正有用的信息就这三样：每轮考什么类型、追问到什么深度、作者自评挂 / 过在哪。

信号池小，用同业交叉验证。IMC 单公司公开信号量少于 FAANG：quant / ML 线的概率与 ML 基础可以和 Jane Street、Citadel、Optiver 的公开信号交叉验证——交易公司的「概率 + 讨论」风格是共性，但不要把大厂多轮 VO / BQ 的结构直接搬过来，IMC 的轮次骨架更短。

不搬运、不暗示合作。本站所有 IMC 面经内容都只归纳公开信号，不复制任何候选人的逐字面经，也不代表与一亩三分地等面经社区有合作或转载关系；你读到的公开帖子请以原作者发布的内容为准。

常见挂点：IMC 特有的失分方式

把公开面经里的挂经和轮次信号对照，IMC 特有的失分点集中在这几个：

• OA 边界处理丢 test case：两道 OA 题都有明确边界要求（并列取最小 index、集合不可行返回 -1、k 越界返回 -1）。只处理主路径的版本会丢部分 test case，OA 通常按 test case 计分，「全过」才是标准交付。
• OA 不优化 runtime：120 分钟 2 题时间预算宽裕，但题集有数据规模约束，O(n²) 暴力版可能过不了全部 case。练习时先写复杂度分析再优化，把「先序编号 + 子树规模」「排序 + 二分」这类 O(n log n) 方案练到默写。
• HR 轮猜答：真实挂经的复盘是——有一道题没听清，想请 HR 澄清但被告知只能念题不能给任何 clarification，于是猜了一个答案，作者自评「应该是挂在这了」。正确动作是主动请对方重读一遍、或先复述自己理解的题意再作答；「不给 clarification」不等于「不许复述确认」。
• CS 基础答不出或讲不清：Yes/No 题全是基础知识点（位宽、缓存策略、复杂度、图论性质），答不出说明底子有洞；更隐蔽的失分是答得出但讲不清——有题目要求把 LRU / LFU 差异讲给非技术背景的人听，技术概念翻译不成非技术类比等于没答。
• 概率 / ML 基础撑不住（Quant / ML 线）：4 轮 onsite 依次覆盖概率、optimization、ML coding、ML fundamental，单轮答不上来会明显缩短流程。概率（random walk、gambler's ruin、条件概率）和 ML 基础（线性回归、transformer、overfitting 诊断）要提前补，不能裸奔进 onsite。
• 把 quant 线当 SWE 线准备：quant performance 条线有额外的 HR 快问快答轮，onsite 知识密度也高。只刷 LeetCode、不补概率 / ML 基础和 CS 通识快问快答的候选人，会在 HR 轮就被筛掉——那轮根本看不到 coding 水平。
• 没准备好被转线：quant performance engineer（新开的岗）通过 recruiter 邮件 follow up 出现的信号说明，IMC 会在 OA 后按需求调线。投 SWE 的人可能被问要不要面 quant 岗，回答前要先想清楚自己的条线偏好和准备状态，别在邮件里仓促表态。

准备路线：7 天 / 14 天 / 30 天

三个版本共用两条原则：先确认自己的条线（SWE OA 主线 / Quant Performance / ML），再按条线分配主线；最后一天只留 mock 和状态调整，不学新东西。

• 7 天（OA 在即）：D1-D2 OA 题型：分配 / 浪费最小化类 1 道（贪心 + 排序 / 二分，重点练并列取小 index 和 -1 边界）+ 树多查询类 1 道（先序编号 / 子树规模 + 前缀），120 分钟限时，目标全过 test case；D3 CS 基础快问快答：位宽 / 缓存策略 / 复杂度 / 图论性质 10 题 Yes/No 自测，练「先复述题意再作答」和非技术类比表达；D4 概率基础：期望、条件概率各 2 道 + random walk / gambler's ruin 各 2 道（题型参考 Jane Street 篇）；D5 条线分支——ML / Quant 线：ML coding 1 道（EDA + 线性回归 + 训练 NN 处理 overfitting）+ ML fundamental 2 问（线性回归、transformer）；SWE 线：1 道业务场景包装的综合题（限时 + 讲复杂度推导）；D6 完整 mock（1 道限时 coding + 5 道 CS 快问快答，录音复盘「没复述题意」的片段）；D7 状态调整。
• 14 天（标准版）：在 7 天版基础上加——D8-D9 OA 题型扩量：排序 / 二分、贪心、DP 变体各 2 道，全部限时，固化「先写复杂度分析再优化」的习惯；D10 概率题组：绿皮书级别 10 道（random walk、gambler's ruin、条件概率、简单 Markov 链方程）；D11 optimization：KKT 条件推导 + 1 道简单约束优化手算；D12 ML coding 2 道（overfitting 诊断、NN 训练 pipeline）+ ML fundamental 2 问（线性回归假设、transformer 组件差异）；D13 CS 基础二轮：换一批 Yes/No 自测 + 非技术类比专项（LRU / LFU、复杂度、位宽各讲给「非技术的人」听一遍）；D14 完整 mock + 复盘。
• 30 天（系统版）：D15-D22 coding 系统训练：树 / 图、排序 / 二分、贪心、DP 每天 2-3 题保持手感，IMC OA 的「业务场景包装 + 算法内核」风格要专项练 3 道；D23-D26 条线深挖——Quant / ML 线：概率 15 道 + optimization 2 道 + ML coding 3 道 + ML fundamental 2 组，建立「题型 → 标准解法」反射；SWE 线：2 道业务场景综合题 + 1 组 CS 基础快问快答模拟；D27-D28 连续 2 场完整 mock（1 场 OA 120 分钟全模拟 + 1 场 HR 快问快答 / onsite 单轮模拟，录音复盘）；D29 简历故事库定稿 + 对 IMC 各团队（trading、quant performance、ML）的理解和 target 岗位动机写 1 页（HR 轮开场用）；D30 缓冲日，检查设备日程，早睡。
• 💡 时间紧的话可以考虑专业帮助：我们的前 FAANG 面试官团队提供 OA 代写（$199 起，1 天准备）、VO 辅助（$299 起，面试官提问后 0.5-1 秒写好答案）、VO 代面（$499 起，老师现场作答保证最优解）。也可以先约 30 分钟免费咨询，聊聊你的 IMC 面试情况。微信：interview_coach_pro

FAQ：IMC 面试几轮？流程是什么？

公开信号拼起来是：投递 → OA（HackerRank，2 题 120 分钟）→（quant 条线多一轮 HR 技术快问快答：10+ 分钟团队介绍 + 5 道 CS Yes/No，只念题不澄清）→ onsite（ML intern 信号是 4 轮：MMG / pricing、optimization、probability、ML coding + fundamental）→ 结果。SWE 主线以 OA 为第一门槛；trading 条线公开信号稀缺，以实际收到的邀请为准。整体骨架比一般大厂短——没有看到独立的多轮 back-to-back VO + BQ 信号，别按大厂多轮 VO 结构准备。

FAQ：IMC OA 考什么？2026 和 2025 是同一套题吗？

公开信号里最一致的结论是题集跨 cycle 复用：2025 年 9 月的 summer intern OA、2025 年 11 月的 2025/2026 Grad & Intern OA、2026 年 1 月的 quant performance OA，候选人描述的都是同一套两道题（容器集合浪费最小化 + 树指令传播第 k 个接收者），HackerRank 标题为 2025/2026 Grad & Intern Software Engineer Assessment。120 分钟 2 题，时间预算宽裕，真正卡人的是边界处理（并列取小 index、集合不可行返回 -1、k 越界返回 -1）和 runtime 优化。以实际收到的题目为准，但「先过一遍公开题信号再作答」这个杠杆在 IMC 上比大多数公司都大。

FAQ：IMC Quant Performance 条线和 SWE 差别大吗？

OA 共用同一套题（quant performance 候选人收到的 OA 与 SWE 候选人描述的两道题相同）。差别在 OA 之后：quant 条线有 HR 技术快问快答轮（只念题、不澄清的 5 道 CS Yes/No，含「讲给非技术背景的人听」的要求），onsite 信号（ML intern 4 轮）覆盖概率、optimization、ML coding、ML fundamental——知识密度明显高于 SWE 单轮 coding。如果你同时投了 SWE 和 quant 条线，按「OA 同一套题 + quant 附加 HR 快问快答 + 概率 / ML 基础」双保险准备；被 recruiter follow up 转线时，先确认自己能接受该条线的考察重点再回复。

FAQ：IMC 面试结果什么时候出？

公开信号对出结果时间的直接记录有限，能确认的是节奏偏快：OA 题集滚动复用、新开的 quant 岗位由 recruiter 邮件主动 follow up 转线、quant performance 候选人的 OA 与上一 cycle 的题相同——说明流程按批次滚动推进。也有 2025 年 9 月 OA 候选人最终进入 waitlist 的案例，说明通过线之后还有一道筛选。没有看到「OA 后等几个月」的慢信号；如果提交 OA 后较长时间没有通知，主动联系 recruiter 跟进是合理的动作，「多久算异常」没有公开基准，以实际沟通为准。