AI 刷题的优势及案例分析
大语言模型在编程领域的惊艳表现让几乎所有程序员注意到了它。多家公司着手研发自己的LLM以在这片领域开疆扩土，豆包MarsCode便是这其中一员。MarsCode不仅能快速地提供解题方案，还能够以交互式方式帮助用户深入理解问题并优化解法。本文着眼于分析AI刷题的优势，并通过一个徒步旅行规划问题的案例，深入探讨AI是以什么样的逻辑帮助学习者提升解决问题的能力的。
AI 刷题的优势
先简单地总结一下AI刷题的直接优势：
- 高效性：
AI 能在短时间内从大量知识库中调用最优的解决方案，快速生成可执行代码，并高效解决问题。 - 可解释性：
AI 能以清晰的步骤解释解题思路和算法逻辑，帮助学习者理解关键环节。 - 个性化学习：
根据学习者的实际需求和水平，AI 可提供不同层次的解题策略和优化建议。 - 多样性：
AI 能为同一问题生成多种解法，如暴力搜索、动态规划、贪心算法等，全面展示问题解决的多样性。 - 持续改进：
通过与用户交互，AI 不仅能解决问题，还能在用户的反馈中优化自身能力，为后续问题提供更优的帮助。
案例分析：徒步旅行规划问题
问题描述
小U计划从地点A徒步到地点B，旅行需要M天。为了安全，她每天都需要消耗一份食物。在路途中，小U可以在若干补给站购买食物，但每个补给站的价格不同。小U的目标是花费最少的钱购买足够的食物完成旅程。
问题建模
该问题可建模为贪心算法问题：在每个补给站，根据未来的价格走势决定购买食物的数量，以最小化总成本。
输入：
- MM：总天数。
- NN：补给站数量。
- pp：补给站分布及价格。
目标：
- 最小化花费。
分析 AI 的功能和帮助
对这样的题目，如果初学者没有建立起对子问题分解的嗅觉，将有些难以下手，但通过向MarsCode提问，我们可以获得一个良好的思路并引导自身实现问题。
向豆包发出需要一点思路提示的问题，其返回如下
小U需要在旅行的每一天都有食物供应，而食物可以在不同的补给站购买，每个补给站的食物价格不同。目标是找到一种购买策略，使得总花费最小。
- 我们可以使用一个数组来存储每个补给站的信息，包括补给站的天数和食物价格。
- 由于补给站是按顺序出现的，我们可以直接遍历这个数组来规划购买策略。
- 初始化变量：
totalCost用于记录总花费。
passedDay用于记录已经购买食物的天数。
index用于记录当前遍历到的补给站索引。
遍历补给站：
对于每个补给站，计算从当前补给站到下一个更便宜的补给站之间的天数。
如果找不到更便宜的补给站，则计算到旅行结束的天数。
计算花费：
根据找到的天数和当前补给站的价格，计算并累加到
totalCost中。更新
passedDay和index。
结束条件：
- 当
passedDay达到M时，表示已经购买了足够的食物，结束循环。关键点
- 需要找到下一个更便宜的补给站，如果没有更便宜的补给站，则计算到旅行结束的天数。
- 每次购买食物时，需要考虑从当前补给站到下一个补给站之间的天数。
可以看到，MarsCode提供了非常详细的思路帮助，包括问题分解与算法框架乃至具体实现。
AI 在学习中的角色
由这个案例，我们不难发现AI在刷题中扮演的是什么样的角色。
1. 辅导者
AI 能实时提供问题解析，尤其是针对复杂问题，分步指导用户完成解答。
2. 练习伙伴
通过生成多样化的测试用例，AI 帮助用户验证算法的正确性和鲁棒性。
3. 优化专家
不仅提供解决方案，还能根据用户代码反馈提出改进建议，帮助学习者提高代码质量。
总结
AI 刷题的优势已经不止于“解题”，更重要的是“启发”。未来，随着 AI 技术的进步，它将更深入地融入学习者的成长之路。
作者：AWM
