DeepSeek 这家公司的薪资水平

DeepSeek

DeepSeek 最近在全球范围的 AI 圈引起了巨大波澜，甚至称为"冲击波"也不为过。

在 DeepSeek 之前，行业普遍认为以 OpenAI 为首的闭源模型要领先开源模型不少，于是整个 AI 大模型（无论开源还是闭源）的技术发展方向，都是按照 OpenAI 那一套来做：堆数据量，堆算力，堆参数规模。

但 DeepSeek-R1 模型的开源，彻底打破了这一局面。

海外研究大模型的人员，从开源仓库中看到关于 DeepSeek-R1 的设计理念和实际表现，彻底懵了。

DeepSeek-R1 首次实现了纯强化学习驱动的推理能力突破，相对策略优化 GRPO（Group Relative Policy Optimization）算法的提出和实现，彻底颠覆了传统的强化学习 RL（Reinforcement Learning）算法。

在（某些方向上的）性能表现上，DeepSeek-R1 虽然只比 OpenAI-O1 略胜一筹，但成本却只有 OpenAI-O1 的 5% 不到。

这下美国的政客们彻底坐不住了，他们自以为在 AI 领域上全面领先，而且能够通过限制高端芯片的出口来有限牵制中国 AI 的发展（卡脖子）。但 DeepSeek-R1 的出现，证实了除了"砸算力"以外，还有别的技术方向，可以通向罗马。

海外不少网友把 DeepSeek 的成功，称为"斯普尼特克时刻"。

PS. 斯普尼特克，是苏联在 1957 年成功发射的第一颗人类卫星，标记着美国的太空技术正式被苏联超越，是历史上少数的「在科技领域，美国尝到挫败感的重大事件」之一。

那么如此神奇这一家公司，招聘岗位有哪些，薪资待遇又如何呢？

我从招聘网站上找到了关于 DeepSeek 的招聘信息，供大家参考：

工作地点基本集中在「北京」或「杭州」，招聘岗位涵盖各个方向，「UI、客户端、全栈、算法、架构」都有，薪资普遍都很有竞争力，14 薪。

但相比于 英伟达中国员工的薪资待遇，我觉得还是太保守了，希望 DeepSeek 年底这一波出圈，能给他们研发人员带来一些额外的奖金。

高待遇的背后是高要求，就比如上述截图中「深度学习研究员」的要求中的第 3 点，就要求有顶会论文。

对此，你怎么看？这几天是否有听闻关于 DeepSeek 的消息？是否有上手把玩过？欢迎评论区交流。

...

回归主题。

龙年的最后一天，提前祝大家新年快乐，来一道简单算法题。

题目描述

平台：LeetCode

题号：762

给你两个整数 left 和 right，在闭区间 $[left, right]$ 范围内，统计并返回计算置位位数为质数的整数个数。

计算置位位数就是二进制表示中 $1$ 的个数。

例如， $21$ 的二进制表示 10101 有 $3$ 个计算置位。

示例 1：

输入：left = 6, right = 10

输出：4

解释：
6 -> 110 (2 个计算置位，2 是质数)
7 -> 111 (3 个计算置位，3 是质数)
9 -> 1001 (2 个计算置位，2 是质数)
10-> 1010 (2 个计算置位，2 是质数)
共计 4 个计算置位为质数的数字。

示例 2：

输入：left = 10, right = 15

输出：5

解释：
10 -> 1010 (2 个计算置位, 2 是质数)
11 -> 1011 (3 个计算置位, 3 是质数)
12 -> 1100 (2 个计算置位, 2 是质数)
13 -> 1101 (3 个计算置位, 3 是质数)
14 -> 1110 (3 个计算置位, 3 是质数)
15 -> 1111 (4 个计算置位, 4 不是质数)
共计 5 个计算置位为质数的数字。

提示：

• $1 <= left <= right <= 10^6$
• $0 <= right - left <= 10^4$

模拟 + lowbit

利用一个 int 的二进制表示不超过 $32$，我们可以先将 $32$ 以内的质数进行打表。

从前往后处理 $[left, right]$ 中的每个数 $x$，利用 lowbit 操作统计 $x$ 共有多少位 $1$，记为 $cnt$，若 $cnt$ 为质数，则对答案进行加一操作。

Java 代码：

class Solution {
    static boolean[] hash = new boolean[40];
    static {
        int[] nums = new int[]{2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31};
        for (int x : nums) hash[x] = true;
    }
    public int countPrimeSetBits(int left, int right) {
        int ans = 0;
        for (int i = left; i <= right; i++) {
            int x = i, cnt = 0;
            while (x != 0 && ++cnt >= 0) x -= (x & -x);
            if (hash[cnt]) ans++;
        }
        return ans;
    }
}

• 时间复杂度：$O((right - left) \times \log{right})$
• 空间复杂度：$O(C)$

模拟 + 分治

枚举 $[left, right]$ 范围内的数总是不可避免，上述解法的复杂度取决于复杂度为 $O(\log{x})$ 的 lowbit 操作。

而比 lowbit 更加优秀的统计「二进制 $1$ 的数量」的做法最早在 191. 位1的个数 讲过，采用「分治」思路对二进制进行成组统计，复杂度为 $O(\log{\log{x}})$。

Java 代码：

class Solution {
    static boolean[] hash = new boolean[40];
    static {
        int[] nums = new int[]{2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31};
        for (int x : nums) hash[x] = true;
    }
    public int countPrimeSetBits(int left, int right) {
        int ans = 0;
        for (int i = left; i <= right; i++) {
            int x = i;
            x = (x & 0x55555555) + ((x >>> 1)  & 0x55555555);
            x = (x & 0x33333333) + ((x >>> 2)  & 0x33333333);
            x = (x & 0x0f0f0f0f) + ((x >>> 4)  & 0x0f0f0f0f);
            x = (x & 0x00ff00ff) + ((x >>> 8)  & 0x00ff00ff);
            x = (x & 0x0000ffff) + ((x >>> 16) & 0x0000ffff);
            if (hash[x]) ans++;
        }
        return ans;
    }
}

• 时间复杂度：$O((right - left) \times \log{\log{right}})$
• 空间复杂度：$O(C)$