最近几年量化公司的校招越来越卷，而 DRW 始终是很多人重点投递的目标之一。相比传统互联网大厂偏 LeetCode 模板化的 OA，DRW 的风格明显更“交易公司化”。很多同学第一次做完之后的共同感受是：题目不一定比 Meta、Google 难太多，但整体压迫感会强很多，因为它非常强调短时间内的建模能力、实现稳定性以及数学直觉。
今年整理了不少 2026 最新 OA 反馈，发现 DRW 的 Online Assessment 依旧延续了过去几年的特点。Coding 不只是纯算法，很多题会偏向 simulation、order matching、probability，甚至会出现一些非常接近真实交易系统的问题。你会明显感觉到它不是在考“你刷了多少题”，而是在考“你像不像一个真正会处理高频系统问题的人”。
OA 流程今年基本长什么样？
不同岗位会略有区别，但目前 SWE、Quant、Trading、C++ 方向的整体流程已经比较稳定。大多数同学收到的 OA 都是 HackerRank 或 CodeSignal 平台，时长通常在 70 到 120 分钟之间。题目数量一般是 2 到 3 道 Coding 题，加上若干概率/数学题、Debugging 或 MCQ，以及少量系统或 C++ 基础问题。SWE 岗更偏 simulation、graph、implementation 和数据结构鲁棒性；Quant 和 Trading 岗会明显增加 probability、expectation、mental math 和 game theory；而 C++ 岗则会大量出现 memory、iterator、concurrency、STL 行为等底层问题。很多人最开始会误以为“反正就是刷 LeetCode”，但真正做 DRW OA 的时候，很容易发现完全不是一个节奏。
DRW Coding 最大特点：特别像真实交易系统
今年反馈最多的一类题，是各种“撮合系统（Matching Engine）”的变体。题目通常会给 buy order、sell order、timestamp、quantity 以及 cancel request，然后让你实现 price priority、time priority、partial fill 和 order matching，本质上就是一个简化版交易所。这种题的难点并不在算法复杂度，而在于 implementation 非常长、edge case 巨多、很容易写崩。很多同学明明逻辑对了，但因为 duplicate order 出错、cancel 后 heap 没同步、equal price priority 写反、partial fill 没更新 volume，最后直接 WA。DRW 很喜欢卡那种“你代码到底稳不稳”，而不是只看思路，这和很多互联网公司区别特别大。
今年最容易出现的题型：Simulation + Heap
很多同学今年都提到 DRW 非常爱 heap，但不是简单 median stream 那种 LeetCode 模板，而是“heap + simulation + dynamic update”。比如有一题会让你维护实时价格流，支持 add、remove、update 和 query top-k。如果平时只是刷标准 LeetCode，很容易在这种 implementation 上直接爆炸，因为真正难的是 lazy deletion、duplicate handling 和 rebalance timing，而不是数据结构本身。很多人最后时间不够，其实不是不会，而是 debug 花太久。
图论题不会特别模板化
DRW 也会考 BFS、Dijkstra、Shortest Path，但风格和 Google 很不一样。Google 喜欢经典算法优化，而 DRW 更喜欢真实问题抽象。比如今年出现过的网络延迟传播、liquidity spread、packet routing、arbitrage path 等包装，本质可能还是 shortest path、DP 或 graph search，但如果你不能快速把业务问题抽象出来，就会浪费大量时间读题。而且 DRW 的题面通常不会特别“LeetCode 化”，很多描述非常工程化，第一次做的人容易慌。
概率题是很多 SWE 同学最容易翻车的地方
这一点真的和传统互联网公司差别巨大。很多同学 LeetCode rating 很高、Codeforces 也不低，结果 OA 被概率题卡死，因为互联网公司已经很多年不怎么认真考 probability 了，但 DRW 特别爱。今年常见的题型包括 Expected Value、Conditional Probability、Coin/Dice Game、Optimal Strategy 和 Bayesian Thinking，有些甚至不是 coding，而是直接让你写 reasoning，比如“为什么这个策略长期收益更高？”或“如何最大化 expected return？”。很多 SWE 同学最大的问题是：知道公式，但不会建模，一旦题目换个包装就不会做。
时间压力其实比题目本身更可怕
这一点几乎是所有人共同反馈。DRW OA 最大的问题不一定是“难”，而是“切换速度太快”。你可能上一题还在写 matching engine，下一题立刻变成 probability proof，然后再下一题做 low-level debugging，整个脑力切换非常频繁。而且很多 simulation 题代码量特别大，如果平时没有限时训练，很容易出现“思路会但代码写不完”。尤其 Python 用户今年很多人反馈卡常特别严重，有些题 Python 能过但必须使用 fast IO、避免字符串拼接、少用高复杂度容器、控制常数，否则最后几个 test case 会 TLE。
Debugging 部分非常像真实工程环境
这一点是 DRW 很有特色的地方。很多公司的 debugging 其实很“假”，就是找语法错误，但 DRW 今年很多题是真正工程问题，尤其 C++ 岗高频出现 iterator invalidation、dangling pointer、overflow、race condition、unordered_map rehash、vector resize 等。如果只是刷 LeetCode 而没写过大型项目，很容易第一次完全看不出来，因为问题不是“代码能不能跑”，而是“代码在极端情况下会不会炸”。这其实特别符合量化公司的实际工作风格。
Mental Math 也是很多人的噩梦
尤其对于 Trading 和 Quant 岗，今年很多同学提到 DRW 会非常看重数字敏感度，例如快速概率估算、card probability、EV comparison、market making spread、mental arithmetic 等。有些甚至不给太多草稿时间，就是看你的即时反应。很多人 coding 很强，但 mental math 反而崩了，因为这种东西很难短期突击，更像长期训练出来的数感。
DRW 和其他公司难度差别在哪？
简单对比来看：Amazon 偏 LeetCode 高频，Meta 偏算法优化，Google 偏抽象建模，Jane Street 是极度脑力压迫，Citadel 则是工程加数学双高压。而 DRW 的特点是“没有明显短板”。它不会只考算法，也不会只考数学，而是希望你 implementation 稳、数学直觉在线、代码速度快、压力下不崩。所以很多人会觉得它不像考试，更像真实工作模拟。
今年很多高分同学的准备路线
比较常见的一套路线是：前期先刷 LeetCode Medium 的 heap、graph、simulation；中期开始做 Codeforces 1600~1900 分段的题目，提高实现能力；然后补充 probability、expectation、game theory 的基础知识；最后重点做 Mock OA、限时 coding 和长 simulation 题。因为 DRW 最大的问题真的不是不会，而是时间压力下容易犯错。很多人平时能做出来，但在 OA 环境里少考虑一个 edge case、少更新一次状态、comparator 写反，直接全盘崩。
总结
DRW 的 OA 是目前北美量化公司里非常有代表性的一类面试。它不像传统大厂那样“背模板就能打”，而是真正会考察工程实现能力、数学直觉、系统建模和高压下的稳定性。如果你未来的目标是 Quant、HFT、Low Latency Infra 或 Trading System，那 DRW 的题风其实非常值得提前适应。第一次做的人通常都会有一种明显感觉：这不像在刷题，更像真的在处理交易系统问题。
如果你也在准备 DRW、Jane Street、Citadel 等顶级量化公司，感觉一个人准备方向不清晰、效率低下，欢迎联系 Programhelp。
我们会根据你的实际情况，给你一对一的针对性指导。
