GESP C++七级选择题判断题逐题解析：考点与易错点详解

2025年3月的GESP C++七级考试刚结束那阵子，群里不少同学就在对答案。七级这张卷子里，选择题和判断题加起来占了40分左右，表面看是理论题，实际上比想象中更能拉开差距。很多同学侧重于刷编程题，忽略了这些基础题，结果估分和实际分数差出一截。这套题并不是简单背概念，而是把数据结构、算法策略、复杂度分析、代码行为判断全揉在一起考。我把这次选择题和判断题按回忆版本逐一做了还原和拆解，结合考点、易错点、答题思路写清楚，给准备后续考级的同学做参考。

1. 考前必须搞懂的出题逻辑

1.1 选择题和判断题到底在考什么

GESP七级的选择题有个很明显的特点：不考死知识。比如它不会直接问你“二叉树的定义是什么”，而是给你一段操作代码，让你判断某个函数执行后的结果；也不会单独考“动态规划的基本思想”，而是给出一个递归改动态规划的片段，让你判断时间复杂度的变化。这说明命题人默认你已经掌握了基本概念，重点考察理解深度和应用能力。

判断题则更像“概念纠错”。它会把一些看起来正确、实际有前提条件的表述拿出来，让你判断对错。比如“只要使用动态规划就能降低时间复杂度”这类话，少了“问题必须满足最优子结构”的前提，明摆着就是挖坑。这类题读题的时候要格外留意绝对化词汇：一定、必然、肯定、所有、任何，出现这些词十有八九是错的。

还有一点值得注意，七级的选择题基本脱离不了几个固定知识模块：树与图、排序与查找、二叉堆与优先队列、动态规划、搜索剪枝、复杂度的精确计算。每种模块的命题方式相对固定，备考时可以有意识地从这几个方向做专项练习。

1.2 分值分布与备考重点

按照近几年七级的出题习惯，选择题一般10道，每题2分；判断题5道，每题2分。对考生来说，这两部分的目标不是说拿个基本分，而是尽量不丢分。因为后续的编程题满分100分里，能完全做对的同学比例不高，前面的基础题反而是确定性最强的得分来源。

从实际考后的反馈来看，大部分同学栽在三个地方：一是二叉树操作的细节模拟不到位，二是对复杂度的推导只停留在背结论，三是对STL容器内部行为的理解停留在“会用”层面。这三点我会在后面的逐题解析里重点展开。

1.3 备考资料怎么选

七级的官方大纲里列出了知识点范围，但备考阶段光看大纲远远不够。我建议找一个知识点覆盖比较好的题集，重点做三种类型的题：根据代码片段判断输出、复杂度的推导题、带有“陷阱条件”的判断题。扩展开说，经典教材里关于二叉树、图论、DP各章节的课后习题、历年竞赛的初赛单选题，都是非常好的训练材料。

2. 选择题逐题解析

下面的题目是根据参加考试的同学回忆整理还原的，和真题在题干描述、考察角度上基本一致，用于解析考点和答题思路。实际考试中部分题目的数值或细节可能有出入，但知识点对应关系可以直接参考。

2.1 二叉搜索树删除操作的细节模拟

题目（回忆版）：对一棵二叉搜索树，依次插入关键字序列 8, 3, 10, 1, 6, 14, 4, 7, 13，然后删除根节点 8。如果采用“用左子树中的最大节点替代被删除节点”的策略，删除后根节点的值是（）。

A. 7 B. 6 C. 4 D. 13

这道题考察的是二叉搜索树（BST）删除操作的实现策略。先看插入过程，逐步构建这棵BST：

• 8 作为根。
• 3 比8小，成为8的左孩子。
• 10 比8大，成为8的右孩子。
• 1 比3小，成为3的左孩子。
• 6 比3大，成为3的右孩子。
• 14 比10大，成为10的右孩子。
• 4 比6小，成为6的左孩子。
• 7 比6大，成为6的右孩子。
• 13 比14小，成为14的左孩子。

画出这棵树后可以看清，8的左子树里有节点3、1、6、4、7，左子树中的最大值是7；8的右子树里有节点10、14、13。根据“左子树最大节点替代”的删除策略，删除根节点8的时候，要拿左子树中的最大节点来顶替，这个节点是7。

答案选A。这类题在考场里最忌讳凭直觉猜，最好花十几秒在草稿纸上把树形画出来，每一步插入都走一遍比较逻辑。如果题目的删除策略改成“右子树最小节点替代”，答案就完全不同了。顺带提一下，C++ STL里map和set底层用的红黑树，删除操作的替代逻辑还涉及颜色调整，但GESP七级不考到那么深，能把BST的三种删除情况搞清楚就足够了。

2.2 Dijkstra算法不能处理负权边的原因

题目（回忆版）：使用堆优化的Dijkstra算法求解单源最短路径，图中有负权边但无负权环。以下说法正确的是（）。

A. 算法仍然可以得到正确结果，只是效率降低 B. 算法可能提前确定某个点的最终距离，导致后续更短路径被忽略 C. 算法会进入死循环 D. 只有边的权重均为整数时算法才能保证正确

Dijkstra算法的核心思想是贪心：每次从堆中取出当前距离最小的点，认为它的最短距离已经确定。这个贪心策略成立的前提是，所有边权非负。因为只有边权非负，才能保证通过其他路径绕到当前节点时不可能比当前值更小。

一旦出现了负权边，情况就变了。假设从起点经过负权边能到一个节点，再从那里转回当前节点，距离可能比当前记录值还小。但Dijkstra算法在考虑替换堆顶节点时，可能已经把这个节点的“最终值”确认了，后面即使发现了更短的路径，也不会再更新它。所以正确答案是B。

把这个问题说明白，可以用一个简单例子。起点s到节点a距离5，s到节点b距离3，同时b有一条到a的负权边-4。从s出发时堆顶是b（距离3），算法立即认为b已经确定；然后取出b，把a更新为3+(-4)=-1。此时a距离是-1，会小于b的3，算法又会回头更新。但假如先取出的是a距离5，标记完成，后面发现通过b到a是-1，它已经不会回头更新a的“确定值”了，结果就是错的。实际实现里虽然堆会弹出更小的值，但问题出在已经标记访问过的节点不会再被更新。负权边正是破坏“先弹出的点就是最终最短路”这一贪心不变量的元凶。

这个知识点在选择题里反复出现。学的时候最好把Bellman-Ford算法和Dijkstra算法放在一起对比，前者可以处理负权边，因为它采用松弛策略，进行n-1轮遍历，每轮对所有边尝试更新，正确性依赖的不是贪心，而是“经过不超过k条边的最短路”这一递推关系。理解了两种算法的本质差异，这类概念题就不容易掉坑。

2.3 时间复杂度计算的细致推导

题目（回忆版）：某递归函数 f(n) 的执行逻辑为：当 n ≤ 1 时返回，否则分别调用 f(n/2) 两次，每次调用内部会执行一个时间复杂度为 O(n) 的扫描操作。那么 f(n) 的总时间复杂度为（）。

A. O(n) B. O(n log n) C. O(n^2) D. O(2^n)

有些同学看到“调用两次”就直接选了O(2^n)，这就是没有真正理解递归树。这道题要画出递归调用层次：

• 第1层：1次调用，规模n，扫描O(n)。
• 第2层：2次调用，每次规模n/2，扫描总时间2×O(n/2)=O(n)。
• 第3层：4次调用，每次规模n/4，扫描总时间4×O(n/4)=O(n)。

每一层扫描的总工作量加起来都是O(n)。递归深度是log₂n层，因为每次除以2，直到n≤1。所以总时间复杂度是每一层O(n)乘以深度log₂n，即O(n log₂n)。

答案选B。这里最关键的是区分“递归调用次数”和“每层扫描总量”。很多时间复杂度算错的根源在于只算了递归树节点的数量，忘了关注每层合并或扫描的代价。如果扫描操作不是O(n)而是O(1)，那总复杂度才是O(n)；如果scanf的复杂度是O(n²)，那总复杂度会变成O(n² log n)。以后遇到类似的递归复杂度题目，就画递归树分层求和，小学二年级的数学都能用上，比死记“主定理”的三种情况可靠得多。

2.4 STL容器底层逻辑的使用陷阱

题目（回忆版）：关于C++ STL容器，以下说法正确的是（）。

A. vector 在头部插入元素的时间复杂度为 O(1) B. list 支持随机访问，可以通过下标直接获取第k个元素 C. deque 支持在头部和尾部进行 O(1) 的插入/删除操作 D. set 和 map 底层是哈希表，因此查找复杂度为 O(1)

这道题就是典型的“看着都会，一做就错”。逐个选项分析：

• A：vector的本质是连续内存的数组，尾部插入是均摊O(1)；头部插入需要把已有元素全部后移，是O(n)。除非配合insert用迭代器插入到begin()，但复杂度依然是线性。
• B：list（list或forward_list）是双向/单向链表，不存在“随机访问”的概念。想取第k个元素只能从头部或尾部逐个遍历，时间复杂度O(k)。
• C：deque是双端队列，结构上是分段的连续存储，两端插入删除都能做到常数级复杂度。
• D：set和map底层是红黑树，查找复杂度是O(log n)。想用O(1)查找应该用unordered_set和unordered_map，它们的底层才是哈希表。

答案选C。这道题答错的朋友大多是把unordered系列容器的特性记到set/map头上了。GESP七级对STL的考察基本停留在“增删改查的复杂度级别”和“容器的适用场景”，备考时可以直接做一张对比表，把vector、deque、list、set/map、unordered系列、priority_queue这几种容器的底层结构、查找复杂度、插入删除复杂度列出来，考前过一遍，就能覆盖掉绝大多数选择题的STL考点。

2.5 堆与优先队列的出队顺序

题目（回忆版）：有一个小根堆，依次插入 5, 3, 8, 1, 4, 9, 2，然后连续执行两次弹出堆顶操作。第二次弹出的元素值是（）。

A. 5 B. 3 C. 4 D. 2

小根堆的特点是堆顶始终是最小值。第一次插入所有元素后，堆中的最小值是1，第一次弹出得到1。弹出后，堆会重新调整，使新的堆顶变成剩余元素中的最小值。剩余元素是5, 3, 8, 4, 9, 2，其中最小值是2。因此第二次弹出的是2。

答案选D。考场里最常见的错误是把第一次弹出的值当作第二次的答案，或者把最小值序列记错。这类题还有一个更快的方法：不管你问第几次弹出，小根堆弹出的顺序一定是从小到大排列的。按插入序列换一种说法，本题直接找倒数第二小的值即可，5,3,8,1,4,9,2排序后是1,2,3,4,5,8,9，第二次弹出就是2。不过这种“偷懒”只适用于小根堆整体弹出的情况，题目如果穿插push和pop混合操作，就必须一步步模拟堆调整过程了。

2.6 二分答案的边界处理

题目（回忆版）：在单调递增序列中，用二分查找寻找“第一个大于等于x的位置”。以下写法正确的是（）。

A. 当 a[mid] < x 时，l = mid + 1，否则 r = mid B. 当 a[mid] <= x 时，l = mid，否则 r = mid - 1 C. 当 a[mid] < x 时，l = mid，否则 r = mid - 1 D. 当 a[mid] <= x 时，l = mid + 1，否则 r = mid

这道题不是考“会不会写二分”，而是考“边界条件的理解”。目标是找第一个大于等于x的位置，也就是最左侧满足 a[i] >= x 的位置。

逐一看选项：

• A：如果a[mid] < x，说明mid位置太小，答案在右侧，应该l = mid + 1；否则（a[mid] >= x），mid本身可能就是一个可行位置，应该把右边界收缩到mid，而不是mid-1。所以A的写法符合“左侧可行，右侧排除”的标准模板。
• B：当a[mid] <= x时，说明mid位置的值比x小或等于x，它不满足“大于等于x”的严格条件，应该排除mid，l = mid + 1，而不是l = mid。同时当a[mid] > x时，mid可能是答案，r应该取mid而不是mid - 1。B两处收缩都有问题。
• C：和A相反，把“小于”时l设为mid，可能造成死循环。
• D：用的是“左侧排除”逻辑，能找到的是“第一个大于x的位置”，也就是目标位置后移一位，不是本题要的位置。

答案选A。七级常考的二分题型有两种：一种就是上面的边界写法判断，另一种是二分答案后判定可行性。边界写法记忆其实有一套口诀：找左边界时用r = mid收缩，l = mid + 1排除；找右边界时用l = mid收缩，r = mid - 1排除。二十几行代码可以解决的问题，不要靠现场推，提前把两种模板背熟，考场直接套即可。

2.7 并查集路径压缩后的复杂度判断

题目（回忆版）：有n个元素的并查集，执行了m次查找或合并操作。代码中使用了路径压缩和按秩合并优化。总时间复杂度可视为（）。

A. O(m + n) B. O(m log n) C. O(n²) D. O(m α(n))，其中α(n)是一个增长极慢的函数

并查集最经典的两个优化是路径压缩和按秩合并。路径压缩能够在find操作中把沿途节点直接指向根，按秩合并保证树的高度不会失控。两者结合后，单次操作的均摊复杂度接近常数级别，准确数学表达是反阿克曼函数α(n)级别。对竞赛场景来说，直接理解为“m次操作总复杂度接近O(m)”完全够用。

答案选D。A选项的O(m+n)描述的是“理想均摊”，实际严谨的界应该带α(n)，但它在竞赛常见表述里可以看作正确选项的近似；不过从严谨出题角度，D选项才是标准答案。这种题对纠结于“为什么不是O(m+n)”的同学来说可能有点困惑。我建议记住一件事：看到“路径压缩”“按秩合并”这组关键词，选项里带α(n)的优先选它；如果选项没有α(n)，选O(m log n)都不对，因为按秩合并单一优化是O(m log n)，两个优化叠加才是更低的上界。实际考试命题一般会规避这种二义性，题设里会明确“可以认为近似线性”。

2.8 动态规划的优化思想

题目（回忆版）：一个动态规划的状态转移方程为 dp[i] = max(dp[i-1], dp[i-2] + value[i])，其中i从2到n。如果只需求最终结果且不需要还原路径，空间复杂度可以优化为（）。

A. O(n) B. O(n²) C. O(1) D. O(log n)

这个转移方程是典型的线性DP，有点类似打家劫舍的模式。当前状态只依赖前两个状态，完全不需要保留整个dp数组。用两个变量滚动记录dp[i-1]和dp[i-2]，每次迭代更新即可。

答案选C。这类问题考察的是滚动数组优化。做题时先看状态转移方程依赖哪些历史状态：依赖前一个，就只需要一个变量；依赖前两个，需要两个变量；依赖前k个，就需要k个变量。本质上就是把“整个表”压缩成“滑动窗口”。很多同学背了“滚动数组”这个名词，但不知道使用条件——不是所有DP都能滚动，只有状态转移只依赖紧邻的若干历史状态时才能滚动。如果依赖的是任意前置状态（比如典型的LIS问题），就不能简单用常数个变量替代。

2.9 深度优先搜索的状态标记

题目（回忆版）：对一张无向图进行深度优先搜索，为了防止重复访问节点，通常用什么数据结构记录已访问节点？以下说法不正确的是（）。

A. 使用bool数组标记节点是否已访问 B. 使用集合（set）也可以达到标记去重的效果 C. 使用栈来记录已访问节点，出栈时必须立即清除标记 D. 使用哈希表（unordered_set）记录已访问节点，查找时间更快

DFS的访问标记在不同场景下策略不同。普通图遍历时，节点一旦被访问就永远标记，之后不再入栈，所以bool数组或者unordered_set都能胜任。A、B、D本质上都是在说“用一个结构判断某节点是否已经进过DFS”。C选项的描述有问题：DFS本身用栈模拟递归，但“出栈后立即清除标记”是回溯算法（比如走迷宫找所有路径）的做法，不是普通DFS防重复遍历的做法。如果出栈就清除标记，那一个节点可能被重复访问多次，会导致死循环或者指数级的时间开销。

答案选C。这道题想提醒的是：DFS和回溯是两种相似但不同的搜索策略。GESP七级里搜索题通常考察“连通块大小”“迷宫最短步数”这类问题。分清什么时候用全局visited数组、什么时候用“进入时标记、退出时撤销”，是拿分的关键。

2.10 拓扑排序的入度表应用

题目（回忆版）：对一个有向无环图进行拓扑排序，算法的基本过程是：每次选择一个入度为0的节点输出，然后删除它的所有出边。以下哪个结构最适合用来快速取出入度为0的节点？（）

A. 栈 B. 队列 C. 优先队列 D. 以上都可以

拓扑排序的经典实现通常用队列：把所有入度为0的节点入队，每次取出队首，处理其邻接节点的入度减1，如果某个邻接节点入度变为0，再将它入队。但栈、优先队列在原理上也完全可行——它们只影响输出顺序。用栈会得到不同的拓扑序，用优先队列可以按特定规则（比如字典序最小）输出，但它们都能保证“只在入度为0时取点”的核心流程。

答案选D。这题考察的是拓扑排序的核心机制，而不是唯一实现。很多同学一看到拓扑排序就条件反射选队列，忽略了另两个选项在逻辑上同样成立。备考时要注意：DFS也可以生成拓扑序，只需要在递归返回时逆序记录节点。所以“拓扑排序只能用队列”是备考阶段最典型的错误认知，命题老师很清楚这个误区，出题挖坑概率极高。

3. 判断题逐题解析

3.1 动态规划满足的特性描述

题目（回忆版）：一个问题能用动态规划求解，必须同时满足“最优子结构”和“无后效性”两个条件。（）

这道题是对的。最优子结构是指问题的最优解可以由子问题的最优解构成；无后效性是指某个阶段的状态一旦确定，就不会受后续阶段决策的影响。两者确实都是动态规划能够成立的前提。反例是，不含这两个性质的问题，要么贪心更合适，要么只能暴力搜索。这里不用过度解读，这道题属于概念直接判断题。

判断题遇到表述完整、带“必须”“同时”这类限定词的题时，反而要先想清楚：它有可能是对的，因为它给出了充分必要条件。做题诀窍不是看见“必须”就判错，而是检查条件是否真的完备。

3.2 图遍历的时间复杂度判断

题目（回忆版）：用邻接表存储的有向图，从某个顶点出发执行一次深度优先遍历，时间复杂度一定是 O(n²)，其中n是顶点数。（）

这道题是错的。邻接表存储图时，DFS遍历的时间复杂度是O(n + e)，其中n是顶点数，e是边数。如果是遍历所有顶点，每个顶点访问一次，每条边在它的出边列表中被检查一次。只有在邻接矩阵存储时才可能达到O(n²)。题干少了“邻接矩阵”，又把“一定”加重读，明显是个陷阱。

这种题在考场里主要考察存储结构对复杂度的影响。复习时要学会区分：邻接矩阵的遍历复杂度固定O(n²)，不管边多边少；邻接表的遍历复杂度是O(n+e)。实际编码中图比较稀疏时优先邻接表，就是这个原因。在判断题里，只要出现“时间复杂度一定是XX”，把存储结构、输入规模这些先决条件在心里过一遍，再落笔。

3.3 快速排序的最坏情况描述

题目（回忆版）：快速排序在最坏情况下的时间复杂度是 O(n log n)。（）

这道题是错的。快速排序的平均情况是O(n log n)，最坏情况（每次选择的基准都是当前区间的最小值或最大值，导致划分极度不平衡）是O(n²)。比如对已经有序的数组做快速排序，每次选取第一个元素作为基准时，就会退化成O(n²)。

七级大纲里排序部分不只要求背复杂度，还要理解为什么快排在不理想基准下会退化，以及三数取中、随机化基准等优化手段如何改善退化问题。判断题里给出一个“快排O(n log n)”的绝对化描述，八成是在考最坏情况。

这里也顺带提一下，记忆排序复杂度时可以用一组系统梳理：稳定排序有冒泡、插入、归并；不稳定排序有选择、快排、堆排。堆排最坏和平均都是O(n log n)，归并同样，快速的平均是O(n log n)、最坏O(n²)。这些数据几乎每年都会在选择题或判断题里出现至少一次。

3.4 图遍历与连通性关系

题目（回忆版）：从无向图某个顶点出发做一次DFS/BFS，如果所有顶点都被访问到，则该图一定是连通图。（）

这道题是对的。无向图中，如果从某个顶点出发能够到达所有其他顶点，说明图中任意两个顶点之间都存在路径，这正是连通图的定义。反过来如果图不连通，从某个顶点出发的遍历必然无法访问到其他连通分量里的节点。

题目里“一定是”这次没有坑，因为无向图和有向图情况不同。有向图中从一点出发访问到所有点，说明该图是“单源可达”，不一定强连通。但本题限定了无向图，所以判断为正确。做题时要注意题目限定的条件，最怕把无向图和有向图的性质混在一起。

3.5 二分查找静态数组要求

题目（回忆版）：要在数组中执行二分查找，数组必须已经排序，并且支持随机访问。（）

这道题是对的。二分查找每次比较后需要跳到数组的中部位置，要求能够以O(1)时间获取任意下标元素，这正是随机访问的定义。如果容器是链表，想获取中间节点只能从头遍历，二分的优势就没了。

这个判断题的重心其实在“随机访问”四个字。链表虽然有序，也不适合二分查找；而数组即使有序，也要求顺序存储才行。把这一点理解透，同时在写二分代码时注意：mid = (l + r) >> 1，强烈建议写成l + (r - l) / 2，防止l和r都很大时加法溢出。这一点在竞赛场景里真实出现过，值得专门记一下。

4. 考场上容易掉进去的坑

4.1 时间分配与做题顺序

七级考试时间虽然相对充裕，但对部分同学来说编程题消耗巨大，前面的基础题如果反复纠结，后面程序题就容易被压缩。我建议的时间分配是：选择题和判断题控制在20分钟内做完，单选题遵循“一遍过”原则，选完就标记，不回头反复修改；判断题读完一遍，有绝对化词汇的马上警惕，没有绝对化词汇的按定义判断。

选择题里如果遇到两个选项都觉得对的情况，宁可选更接近教材表述的那个，也不要空着。GESP有明确规则，选择题和判断题不选不给分，选错也不扣分，所以每道题都必须作答。

4.2 草稿纸使用的实操技巧

解BST插入、堆调整这类题时，草稿纸的排版直接影响正确率。我习惯把每道需要模拟的题按“初始状态→第一次操作→第二次操作”分块记录，不要东写一笔西写一笔。具体到BST删除题，插入每个节点时可以用箭头连线维护树形图，删除时在原图上用不同颜色的笔画出替代路径，能有效避免在考场紧张状态下忘记前几步的操作结果。堆调整题同理，每一轮上滤/下滤都另起一行画堆，不要把多轮调整挤在同一行。

4.3 检查阶段的针对性方案

做完整张卷子后，如果还剩时间，优先检查两处：一是选择题里那些涉及“最坏情况”和“平均情况”的词有没有看混；二是判断题里有没有忽略“无向图/有向图”“有环/无环”“邻接矩阵/邻接表”这些限定词。这两个丢分点基本能覆盖判断题一半以上的错误。

4.4 判断题中绝对化表述的甄别方法

前面反复提到绝对化词汇，这里展开说说到底怎么甄别。看到“一定”的时候不要直接判错，而是把题干里的主语和限定条件拆开：如果是定理本身的严谨表述，那么“一定”无忧；如果题干自己加上了不成立的前提，那么“一定”就是错的。举个例子，“一定可以用动态规划求解”缺了最优子结构，错；“一定满足无后效性”缺了阶段划分的合理性，错；但“无向图中从一点出发访问全图则该图连通”这种本身就是定义级判断，就不会错。这一套甄别方法，做10道判断题至少能救回3道。

5. 实操层面的备考经验

5.1 建立选择题错题本的正确姿势

备考阶段做选择题，不要满足于选出正确答案。每道做错的题，在错题本上至少写三行：第一行是题干考点，第二行是错误选项的原因分析，第三行是正确选项背后的原理。比如第2.7题如果做错，不能只记“选D”，而是要写“并查集的两种优化分别是路径压缩和按秩合并，两者组合后均摊复杂度近常数，数学表示是反阿克曼函数”。这种把错题转化为知识卡片的方式，比刷十套新题更有效。

5.2 考点优先级排序

距离考试还有一个月以上时，优先清理“理解类”考点：二叉树、图论、DP、搜索；距离考试只剩一周时，转向“记忆类”考点：排序复杂度表、STL容器对比表、二分模板、最短路算法适用条件。编程题部分再著重复习树和图的DFS/BFS模板、动规的两种常见模板，以及二分答案的模板。

5.3 考前一周的模拟策略

考前一周不要拼命刷难题，知识深度已经基本定型，这时候更重要的是保持手感。每天固定时间做一套模拟卷的选择题和判断题，限定时间20分钟，做完立刻对答案，重点分析错在哪里。这个阶段如果还能发现某个下图论概念或者STL容器误区，考场上就是实实在在的2分进账。考试前一天晚上把二分模板、拓扑排序模板、并查集三行核心代码默写一遍，睡觉前不再做新题。

6. 从考试反推出来的长期能力提升方向

七级这张卷子整体给我的感觉是：知识覆盖面广但对深度的要求很克制。它不考手写红黑树，也不要求能徒手证明各种复杂度的上界，但要求学生真正理解常用算法的工作原理。这意味着如果备考阶段只背结论不推过程，到考场上会处处碰壁。反过来说，如果能用“教别人”的方式，把二分的边界、Dijkstra的贪心依据、并查集优化的原理讲给自己听，那这套卷子基本拦不住你。

以我个人参加过多轮等级考试的经验，选择题和判断题从来不是“会就会，不会就蒙”。它们考察的是长期做题过程中积累的直觉和严谨性。尤其是七级这个级别，出题人已经默认你刷过大量代码题，在基础题里埋的陷阱都是“如果你只是机械刷题，那你一定踩坑”的类型。真正区分度不在难度，而在于是否真正理解了底层逻辑。这一点，无论后续继续考八级还是转向信息学竞赛，都是通用的核心能力。