AI刷题介绍
豆包 MarsCode AI 刷题平台将代码编辑器和强大的 AI 助力结合在一起，致力于帮助同学们更高效地进行算法题目练习。平台提供了一个在线代码编辑器，用户可以直接在浏览器中编写、运行和调试代码，无需安装任何开发环境。无论是在进行算法题目的练习，还是在解决大厂真题时，都能实时查看代码的运行结果，立即发现问题并改进。
除了便捷的在线编辑和运行功能，MarsCode AI 刷题还搭载了智能 AI 助手，它能够根据用户的代码，给出精准的优化建议、解题思路和错误提示。当你卡在某个题目时，AI 助手可以提供思路指导，帮助你深入理解算法背后的原理，提升解题能力。
通过这种实时交互的学习方式，结合大厂真题和智能化的反馈机制，MarsCode AI 刷题平台让学习算法变得更加高效和有趣，帮助同学们轻松提升刷题能力，迅速掌握算法知识，为未来的面试和编程挑战打下坚实的基础。
AI会做什么样的题目
相信大家都知道GPT-o1这个新推出的模型。
AIME 2024，一个高水平的数学竞赛，GPT4o准确率为13.4%，而这次的o1预览版，是56.7%，还未发布的o1正式版，是83.3%。
代码竞赛，GPT4o准确率为11.0%，o1 预览版为62%，o1正式版，是89%。
博士级科学问题 (GPQA Diamond)，GPT4o是56.1，人类专家水平是69.7，o1达到了恐怖的78%
由此可见，模型的能力之间存在着巨大的差别，对于一些困难题（指的是需要思考对应的较难算法，并加以修改能够实现要求的题目，不是题目后面标注的难易度），大部分AI仍然无法给出能够在规定运行时间内的正确解法，甚至一些中等难度的题，AI也无法完全的解答正确。那么目前的这个豆包AI究竟能做什么样子类型的题目呢？
直接说结果：对于模拟题，AI的解答是比较出色的，远远超过其他类型的题目，对于trick或者是一些较难的算法题，AI的结果并不尽如人意。
什么是"模拟题"呢？其实就是编写代码模拟题意输出结果的题，不需要任何的算法等知识，只要能读懂题目，按着题目的步骤编写代码就行。这样一看，这不正是AI所擅长的部分。
举一个简单的例子
题目：蛇形填充n阶方阵
问题描述
小U面临一个有趣的任务：在一个 n×n 的方阵中填入 11 到 n×n 这些数字，并要求按照蛇形顺序从右上角开始，沿着方阵的边界顺时针进行填充。蛇形填充的特殊排列方式使得每一层数字呈现出波浪形的排列方式。
例如，当 n=4n=4 时，方阵应如下所示：
10 11 12 1
9 16 13 2
8 15 14 3
7 6 5 4
你需要编写程序输出填充后的方阵，确保格式的整齐性。
这样的题目就是一个标准的模拟题，AI完成这个题目是非常简单的（当然对于大佬们来说也是很简单的）
看看AI给出的答案：
我们可以按照蛇形填充的规则来逐步填充矩阵。以下是实现代码的思路和代码框架：
解题思路
- 初始化矩阵：创建一个
n x n的矩阵，并初始化为0。 - 定义填充方向：我们需要定义四个方向（右、下、左、上），并按照蛇形顺序填充。
- 填充数字：从右上角开始，按照定义的方向依次填充数字，直到所有数字都填充完毕。
- 处理边界条件：在填充过程中，需要注意矩阵的边界和已经填充过的位置。
代码框架
def solution(n: int) -> list:
# 初始化矩阵
matrix = [[0] * n for _ in range(n)]
# 定义方向：右、下、左、上
directions = [(0, 1), (1, 0), (0, -1), (-1, 0)]
current_direction = 0
# 初始位置
x, y = 0, n - 1
# 填充数字
for num in range(1, n * n + 1):
matrix[x][y] = num
# 计算下一个位置
next_x = x + directions[current_direction][0]
next_y = y + directions[current_direction][1]
# 检查是否需要改变方向
if not (0 <= next_x < n and 0 <= next_y < n and matrix[next_x][next_y] == 0):
# 改变方向
current_direction = (current_direction + 1) % 4
next_x = x + directions[current_direction][0]
next_y = y + directions[current_direction][1]
# 更新当前位置
x, y = next_x, next_y
return matrix
if __name__ == '__main__':
print(solution(4) == [[10, 11, 12, 1], [9, 16, 13, 2], [8, 15, 14, 3], [7, 6, 5, 4]])
print(solution(5) == [[13, 14, 15, 16, 1], [12, 23, 24, 17, 2], [11, 22, 25, 18, 3], [10, 21, 20, 19, 4], [9, 8, 7, 6, 5]])
print(solution(3) == [[7, 8, 1], [6, 9, 2], [5, 4, 3]])
代码解释
- 初始化矩阵：我们使用列表推导式创建一个
n x n的矩阵，并初始化为0。 - 定义方向：我们使用一个列表
directions来存储四个方向的偏移量。 - 填充数字：我们从右上角开始，按照当前方向填充数字，并在需要时改变方向。
- 边界检查：在每次移动时，我们检查下一个位置是否在矩阵范围内且未被填充过。如果需要改变方向，我们更新当前方向并计算新的位置。
你可以根据这个框架继续完善代码，或者直接使用这个实现来解决问题。
提交之后毫无疑问的通过，这样类似的题目其实还有很多很多。
AI辅助练习
如果你想提升自己的编程能力，复杂的模拟题训练是非常重要的一环。通过练习更具挑战性的题目，你可以锻炼自己的问题解决能力，拓宽思维，同时提升编写高质量代码的能力。在这一过程中，AI可以发挥巨大的作用，它不仅能为你提供更为精准的引导和提示，还能帮助你高效地识别问题和优化思路。
补充说明
对于一些简单的算法，比如单调栈、前缀和、简单dp等问题，AI也是能够解答的。多多尝试使用豆包MarsCode AI进行刷题，能够有效提升效率，事半功倍！
