信息学竞赛圈里流传着一个经典段子：选手的一生会经历三个重大幻觉——这题我会、样例能过、能进省队。这三个短句，看似玩笑，实则精准概括了从入门到放弃（或者从入门到国集）的完整心理历程。每一个幻觉背后，都藏着一段血泪史，也暗含着通往真正高手的必经之路。
第一幻觉：这题我会
“这题我会”——这四个字往往是悲剧的序曲。它的典型场景是这样的：你刚读完题，心头一喜，这模型我见过，这套路我熟。于是你手指翻飞，十分钟敲完代码，自信满满地提交。结果呢？爆零。
为什么会这样？因为“我会”的往往只是题目的“皮”，而信息学竞赛最擅长的就是在熟悉的皮囊下塞进陌生的灵魂。你以为考的是最短路，其实考的是如何把约束条件转化为图论模型；你以为考的是贪心，其实考的是如何证明贪心策略的正确性——而证明往往比算法本身难十倍。
举个例子。一道经典题：给定一个序列，每次可以删除相邻的两个不同数字，问最后能否删光。新手一看：这不就是栈模拟吗？我做过类似的！于是五分钟写完，样例秒过。提交后WA声一片。为什么？因为这道题的真正结论是：只要众数不超过总数的一半，就能删光。栈模拟在某些数据下会陷入局部最优，无法得到全局答案。你看，连“删除相邻不同数字”这么朴素的操作，其数学本质都远比实现复杂。
“这题我会”的本质，是把“见过”当成了“掌握”，把“做过”当成了“理解”。信息学竞赛的题目设计者极其擅长制造“熟悉的陌生人”。他们会在经典模型上叠加新的约束，会在常规算法中埋下反直觉的陷阱。真正的“会”，不是你记得这道题的解法，而是你能从第一性原理出发，推导出为什么这个解法有效，以及它在哪些边界条件下会失效。
如何破除这个幻觉？养成一个习惯：写出完整解法后，强迫自己回答三个问题——算法的正确性证明是什么？最坏情况下的时间复杂度是否真的能通过？是否存在反例让算法失效？如果回答不上来，那就老老实实回到草稿纸上重新推演。
第二幻觉：样例能过
如果说第一个幻觉是起步时的轻敌，那么第二个幻觉就是冲刺时的假象。“样例能过”是信息学竞赛中最具欺骗性的时刻，没有之一。
你调试了三个小时，代码从200行膨胀到500行，充斥着各种特判和补丁。终于，样例输出了正确答案。那一刻，你长舒一口气，仿佛已经看到了Accepted的光芒。然而点击提交后，屏幕上齐刷刷一片WA和TLE。你懵了：明明样例能过啊？
这里需要厘清一个残酷的事实：样例是用来帮助你理解题意的，不是用来验证正确性的。 样例的设计目标是“典型”和“易懂”，而不是“全面”和“极端”。一个精心构造的样例最多覆盖两三种情况，而你的程序需要面对的是成千上万组测试数据，其中充满了边界条件、极端值、以及出题人精心设计的坑。
更致命的是，“样例能过”往往意味着你的代码恰好命中了样例所代表的几种情况，而在其他情况下可能完全跑偏。这种现象在涉及贪心策略、搜索剪枝、动态规划状态转移时尤其常见。你的贪心策略在样例上表现完美，但在数据稍微变化时就会漏掉最优解；你的剪枝条件在样例规模下看起来高效，但在大数据下可能剪掉正确答案。
一个经典的例子是搜索中的可行性剪枝。假设你在写一道数独题，剪枝条件是“如果当前格子可能的数字少于1个，就回溯”。样例跑得很顺畅，因为样例中的数独都有解。但在评测数据中，出题人可能放了一个无解的数独。你的程序会在无解的情况下进行天文数字级别的搜索，最终TLE。正确的做法是什么？剪枝条件应该改为“如果当前格子可能的数字少于1个，或者所有格子的可能数字数量之和小于剩余空格数”，这需要对问题有更深刻的理解。
如何对抗“样例能过”的幻觉？答案是自己造数据。不要满足于题目给的样例，主动去构造各种边界情况：最小值、最大值、完全随机、完全有序、完全逆序、重复元素极多、元素全部不同……每构造一种情况，就思考它可能触发你代码的哪个薄弱环节。更专业的做法是学习“对拍”——写一个暴力但保证正确的程序（哪怕效率极低），再用脚本随机生成数据，让两个程序对跑。如果结果不一致，说明你的高效算法还有bug。对拍是信奥选手的防身利器，也是从“感觉能过”走向“确信能过”的必经之路。
第三幻觉：能进省队
前两个幻觉关乎技术，第三个幻觉关乎认知。“能进省队”是信奥选手最昂贵的幻觉，因为它消耗的不是几个小时，而是一整年甚至整个中学阶段。
省队选拔是真正的修罗场。以全国信息学竞赛强省为例，参赛人数通常在几百到上千人，而省队名额只有十个左右。这意味着你需要在前1%甚至更靠前的位置。这不是靠“我努力了”就能达成的，它需要天赋、方法、资源、心态和运气的完美共振。
“能进省队”这个幻觉的典型症状包括：在某次校内模拟赛中拿了第一，就觉得自己离省队不远了；在某道难题上独立想出了解法，就认为自己天赋异禀；看到往届省队的分数线，觉得自己再练三个月肯定能达到。这些想法单独看都没错，错的是忽略了竞争的本质——省队名额不是绝对分数的竞争，而是相对排名的竞争。你可能比去年进步了三十分，但如果其他人进步了五十分，你的排名反而是下降的。信息学竞赛的知识体系在持续膨胀，训练方法在持续进化，选手的整体水平在持续提高。你是在和整个群体的进步速度赛跑。
更残酷的是，省队选拔中存在“强者恒强”的马太效应。顶尖选手往往同时拥有优秀的教练、充足的训练时间、高质量的模拟赛资源，以及最重要的——与高水平队友切磋的环境。如果你所在的学校信息学竞赛氛围一般，单枪匹马冲击省队，难度会成倍增加。
但这并不意味着普通人毫无机会。破除“能进省队”幻觉的目的不是让你放弃，而是让你清醒地评估自己的位置和路径。真正有效的做法是：把目标从“进省队”拆解成可执行的过程指标。比如：这个月学完网络流的全部经典模型；下个月参加Codeforces达到1900分；再下个月在洛谷刷完100道紫题。过程指标是你可以控制的，而“进省队”是结果，只能由别人评判。当你专注于过程，结果往往会不期而至。
同时，要学会接受“进不了省队”的可能性。信息学竞赛的淘汰率是客观存在的，每年都有大量极其优秀的学生被挡在省队门外。但这不意味着失败。竞赛经历训练出的逻辑思维、算法素养和抗压能力，是终身受用的财富。很多没能进省队的选手，后来在计算机科学的其他领域（如计算机视觉、自然语言处理、系统架构）大放异彩。竞赛是手段，不是目的。
写在最后
“这题我会、样例能过、能进省队”——三个幻觉，对应着三种成长阶段的心态陷阱。初学阶段的轻敌，进阶阶段的盲目，冲刺阶段的自我欺骗。每一个幻觉的破灭，都是一次痛苦的认知升级。但也正是在一次次“我以为我会了其实不会”“我以为能过其实过不了”“我以为能进其实差得远”的打击中，选手的思维被反复锤炼，变得严谨、周密、谦逊。
信息学竞赛的迷人之处恰恰在此：它不给你任何自欺欺人的空间。代码不会说谎，评测机不会通融，排名不会骗人。每一次Wrong Answer都是一次清醒的机会，每一次Time Limit Exceeded都是一次效率的提醒，每一次排名下滑都是一次方向的校准。当你最终走出这三个幻觉，不再轻易说“我会”，不再盲目信“样例”，不再执念于“进队”，而是专注于理解每一个算法的本质，精心构造每一组测试数据，踏实地完成每一天的训练计划——那时你会发现，那些曾经遥不可及的目标，已经悄然站在了你的身后。