AI 已经会刷 LeetCode 了！，前端学习笔记

大家好，今天分享一个有趣的。

你在面试中会遇到的那种算法题，AI已经能自己解决了，比如下面这道题：

对于一个记录论文引用次数的数组，每个元素都是非负整数。请写出函数h_index，输出这些论文的h指数，即至多有h篇文章被至少引用了h次。

例：

输入: [3, 0, 6, 1, 4]

输出: 3

AI给出的Python答案是这样的：

除了排序没用counts.sort(reverse = True)让人看着血压升高，算是顺利通过测试：

来自UC伯克利的研究团队，将上面这道题被归为“面试级”难度（看来国外程序员面试题有点简单）。

此外还有更简单的“入门级”和更难的“竞赛级”，总共5000道题的测试中，AI能做出15%。

另外有人声称，他专门用GPT-2训练了个专门做LeetCode的AI，能完成80%。

在刷LeetCode的你，是否在颤抖？

GPT-Neo赢过GPT-3

---

本研究使用的题目形式是自然语言题干，不同于以往研究常用的伪代码和代码之间翻译。

题目是从Codeforces、Kattis等刷题网站收集的10000道题，5000道用于训练，另外5000道作为测试集。

题干的平均长度为293.2个单词，在测试集中每道题平均有21.2个测试用例。

入门级难度的题不需要复杂算法，有1-2年经验的程序员都能回答的那种，有3639个。

面试级难度的题会涉及数据结构，比如树或者图，或需要修改常见的算法，有5000个。

剩下的是竞赛级难度，达到USACO、IOI和ACM等竞赛的水平。

研究人员分别训练了GPT-2的1亿参数版和15亿参数版、GPT-3以及“高仿版”GPT-Neo。

参数规模“只有”27亿的GPT-Neo和更低的GPT-2在测试用例通过率上，表现却比1750亿的GPT-3还要好。

在严格模式下，通过所有测试用例才算完全正确，成绩最好的GPT-Neo只通过了1.12%，不过这也有56道题了（反正比我强）。

GPT-Neo来自EleutherAI团队尝试复现GPT的开源项目。

虽然参数规模比GPT-3小得多，但训练数据包含了更多技术网站，比如Stack OverFlow和Stack Exchange等，这可能是它在代码生成上胜出的原因之一。

至于GPT-3为什么表现还不如GPT-2，有人猜测可能是它见过的文本太多，虽然擅长生成自然语言，但在逻辑和解题方面过拟合了。

如何评价AI“做题家”

---

论文一发出来，吃瓜群众脑洞大开。

如果我没通过面试但我写的算法通过了会怎么样？

有人回答他:

没关系，你还可以当你算法的助手。

还有很多人给出下一步建议，比如不用自回归的GPT，改用自编码语言模型会怎样？比如CodeTrans。

或者，再用一个GPT专门生成自己回答不出来的问题。

△矛盾相争是吧

乐观的人认为这是解放了人的创造力，未来编程是关于写更少的代码，做更多的架构、工程。

有人畅想，只需要描述需求就能生成代码可太爽了。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数前端工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Web前端开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注：前端）

最后

由于篇幅限制，pdf文档的详解资料太全面，细节内容实在太多啦，所以只把部分知识点截图出来粗略的介绍，每个小节点里面都有更细化的内容！有需要的程序猿（媛）可以帮忙点赞+点击【学习资料】即可免费领取！

文档的详解资料太全面，细节内容实在太多啦，所以只把部分知识点截图出来粗略的介绍，每个小节点里面都有更细化的内容！有需要的程序猿（媛）可以帮忙点赞+点击【学习资料】即可免费领取！

[外链图片转存中…(img-XBiL6ENY-1712081936768)]

[外链图片转存中…(img-GCe8GSYA-1712081936769)]