Hudson River Trading（HRT）是纽约本土起家的顶级 quant prop trading 公司，与 Citadel、Jane Street、Two Sigma 同列 quant 第一梯队。OA 通过率约 8-12%，但 OA 通过后 onsite 才是真正的"绞肉机"——五轮面试，每一轮都可能直接出局。本文聚焦 OA 通过后的 Onsite 流程，对应 Algorithm Developer (Algo Dev) / Quant System / Core Infrastructure 三个工程类 track。
如果你还没过 HRT OA，建议先看我们的 HRT OA 2026 攻略。
HRT Onsite 流程总览
| 轮次 | 时长 | 内容 | 通过率 |
|---|---|---|---|
| 1. Tech Phone Screen | 60 min | Coding + 一题 brainteaser | 100% → 50% |
| 2. Onsite #1：Algo + Coding | 75 min | 中等 LC 算法 + 性能讨论 | 50% → 30% |
| 3. Onsite #2：System Design | 75 min | 低延迟 C++ 系统 + concurrency | 30% → 18% |
| 4. Onsite #3：Brainteaser + Probability | 60 min | 4-6 道概率题，全程心算 | 18% → 12% |
| 5. Onsite #4：Behavioral + Culture Fit | 60 min | 项目深挖 + 团队风格 + 反向问 | 12% → 8% |
HRT 独特之处：
- 没有所谓"hiring committee"，每个面试官都有"否决权"——任何一轮挂了直接 reject
- Onsite 全部走 Zoom + Coderpad，HRT 是少数几家 100% remote onsite 的 quant
- 当天给反馈：onsite 4 轮跑完后 24-48 小时内 recruiter call 给结果
Onsite #1：Algo + Coding（最像 LC 的一关，但坑藏在性能里）
典型题目
给一个长 n 的整数数组
prices（每一项是 tick 价格），求所有长度为 k 的窗口中"价格区间"（max - min）的总和。约束 n ≤ 1e7，k ≤ 1000。
解题分层
Level 1（30 分通过线）：双单调队列分别求 max 和 min。
#include <deque>
#include <vector>
using namespace std;
long long range_sum(const vector<int>& prices, int k) {
deque<int> dec, inc; // decreasing for max, increasing for min
long long total = 0;
for (int i = 0; i < (int)prices.size(); ++i) {
while (!dec.empty() && prices[dec.back()] <= prices[i]) dec.pop_back();
dec.push_back(i);
while (!inc.empty() && prices[inc.back()] >= prices[i]) inc.pop_back();
inc.push_back(i);
if (dec.front() <= i - k) dec.pop_front();
if (inc.front() <= i - k) inc.pop_front();
if (i >= k - 1) total += prices[dec.front()] - prices[inc.front()];
}
return total;
}
Level 2（HRT 真正考察的）：面试官会接着问：
- "你用了 deque——它的内存布局对 cache 友好吗？"
- "如果 prices 是
float而不是int，会不会有数值精度问题？" - "现在改成多线程并行 sliding window，你会怎么设计？"
HRT Algo Dev 与普通 SDE 面试的核心差异：写出 O(n) 算法只是入门，能讨论 cache line / branch prediction / SIMD / lock-free 才是过线水平。
准备路径
- 刷 LC Hard 的 sliding window / monotonic stack（LC 84、239、1499、862）
- 学 C++ low-latency 习惯：
std::vectoroverstd::list，避免std::endl（forced flush），用\n - 读 Agner Fog 的 Optimization Manual 第 1、9、12 章
Onsite #2：System Design（HRT 的招牌环节）
典型题目
设计一个 market data ingestion pipeline。输入：来自 NYSE / NASDAQ 的 multicast UDP 数据（每秒 ~5M packet），输出：把规范化的 OrderBook 状态推送给下游 50 个 trading strategy 进程。延迟要求：99.9th percentile < 30 微秒。
HRT 偏好的回答框架
1. 数据特征 — 5M pps × 200 bytes ≈ 1 GB/s, NUMA-aware
2. 入口层 — kernel bypass (DPDK / Solarflare); 单核单队列 RSS
3. 解析层 — 预分配 ring buffer; 零拷贝 parser; FBS / FlatBuffers
4. 状态层 — per-symbol L2 OrderBook，热数据 cache-line aligned
5. 分发层 — shared memory + 自旋锁 (or lock-free SPMC queue)
6. 监控 — CPU pinning + perf counter + tail latency histogram
必谈技术点：
- Why kernel bypass：socket 系统调用 ~1.5μs；30μs SLA 完全不允许走 kernel
- NUMA topology：把 NIC、parser、OrderBook 三者绑到同一个 NUMA node
- Lock-free queue：SPMC（single producer, multi consumer）vs MPSC 的取舍
- HW timestamping：用网卡硬件时间戳避免软件 clock skew
减分回答：上来就写 Kafka / RabbitMQ。HRT 工程师听到立刻打"not aware of low-latency constraints"。
Onsite #3：Brainteaser + Probability（全程心算，最易翻车）
高频题型示例
题 1：100 个海盗按等级分金币，最低等级先方案，超过半数同意才通过。求最高等级 captain 的最大收益。
题 2：你拿到 1024 个抛硬币的实验结果，每次抛 10 次，每次记录最长连续正面长度 L。求 E[max L]。
题 3：从 [0, 1] 均匀采样直到累计和 > 1。问期望需要多少次采样？
应对策略
| 维度 | 错误做法 | 正确做法 |
|---|---|---|
| 时间分配 | 想 5 分钟才说 | 30 秒内说出 hypothesis，然后边讲边推 |
| 工具 | 心里默算 | 用白板 / 共享屏幕画图，HRT Zoom 提供 whiteboard |
| 节奏 | 一道想 15 分钟 | 平均每题 8-10 分钟，卡 5 分钟必须求提示 |
| 自信度 | 不确定不说 | 先报 best guess，再说"我可能漏了什么" |
HRT 的 brainteaser 不是要你"答对"，而是要看"思考过程"——一道题答错但思路清晰，往往比一道题答对但说不清推导更高分。
推荐题库
- Heard on the Street by Crack（必备）
- A Practical Guide to Quantitative Finance Interviews（X. Zhou，"绿皮书"）
- HRT 官方 Brainteasers 博客系列
Onsite #4：Behavioral + Culture Fit
HRT 文化关注点
- Intellectual humility：HRT 高强度的同行 review 文化不允许"嘴硬"
- First principles：每个回答都要有 "why"，不要堆 buzzword
- Long-term thinking：HRT 内部 promotion 慢，他们要确认你不是"刷大厂打卡"心态
- Reverse questions：HRT 极看重你问什么——准备 3 个有深度的反向问题
高频问题 + 推荐回答模板
| 问题 | 推荐角度 |
|---|---|
| "Why HRT vs Citadel / Jane Street?" | 提具体的技术差异（HRT 偏 C++ infrastructure；Citadel 偏 multi-strategy；JS 偏 OCaml + research） |
| "Your most challenging debugging story?" | 选一个有性能 / 并发 / 数值精度主题的故事，越底层越加分 |
| "When did you change your mind?" | 必答，HRT 看重 intellectual humility |
| "What questions do you have for me?" | 准备 3 个：1 关于 onboarding 节奏；1 关于他自己的工作；1 关于具体某个技术决策 |
6 周备考路径（OA 已通过的情况）
| 周 | 重点 | 资源 |
|---|---|---|
| W1-2 | Algo + 性能 | LC Hard 30 题 + Agner Fog Manual + cppcon 讲座 3 个 |
| W3 | System Design | "Designing Data-Intensive Apps" 第 5、7 章 + HRT 官方博客 5 篇 |
| W4 | Brainteaser | Crack 全书 + 绿皮书 第 5-9 章 |
| W5 | Mock | 模拟 4 轮 onsite × 2 套 |
| W6 | BQ + 反向问题 | 写出 6 个 STAR 故事 + 3 个反向问题 |
FAQ
Q1：HRT VO 通过率到底多少？
OA 通过后的 onsite 通过率约 30-40%——绝对值不算低，但OA 本身淘汰 88-92%。两关复合算下来，简历投递到 offer 的 conversion 约 1.5-3%，与 Jane Street、Citadel SDE 持平。
Q2：HRT VO 必须用 C++ 吗？
Algo Dev / Core Infrastructure track 强烈建议 C++（团队主语言），不写 C++ 也行但要在 BQ 时解释清楚 migration plan。Quant System track 接受 Python（许多 ML / strategy 工程师纯 Python）。通用建议：Algo + System Design 用 C++，Brainteaser / BQ 不涉及代码。
Q3：HRT 给 sponsor H1B 吗？
给。HRT 是少数 quant firm 里 H1B / O1 比例较高的——大约60% 工程师为非美籍。但第一年 base 略低于 H1B 抽签时间（因为 HRT cycle 6 月 onsite，offer 11 月，错过 H1B 主轮），所以新人通常用 OPT + STEM extension过渡。
Q4：HRT 薪资到底多少？
2026 NYC base + bonus（含 sign-on 摊销，新 grad SDE/Quant 工程类）：
- Year 1：base $200-225K + sign-on $50-100K + first-year bonus $50-150K（按业绩）
- Year 2-3：base $225-260K + bonus $200-400K
- Senior（5+ year）：total comp $1M+ 普遍
对比：和 Jane Street、Citadel 工程类基本持平，比 FAANG L4-L5 高 50-100%。
Q5：HRT VO 失败后多久能重投？
12 个月 cooldown（同一 track）。但 同一份履历换 track 不能逃避——HRT 内部共用打分。如果你被某一轮强 reject（比如 brainteaser），通常 18 个月内不会再考。
Q6：HRT 工作体验真的"地狱模式"吗？
不算地狱，但比 FAANG 节奏高。典型工作时长 50-55 小时/周（NYC office），peak 周可到 65 小时。但给的钱也对得起——Glassdoor 文化分 4.4，Blind 推荐率 80%+，远高于多数 trading firm。关键变量是 manager：好 manager 团队几乎无加班，糟糕 manager 团队加班严重。
联系方式
如果你正在准备 HRT、Citadel、Jane Street、Two Sigma 这类顶级 quant 工程类岗位，OA 只是第一关——onsite 的 system design + brainteaser 才是真正淘汰主力。我们整理了 HRT 2025-2026 cycle 工程类 Onsite 真题 50+ + System Design 模板 + Brainteaser 60 题精解 + Mock 服务，欢迎联系。
立即添加微信 Coding0201，获取 HRT Onsite 真题与 mock 安排。
- Email：[email protected]
- Telegram：@OAVOProxy