测评会不会挂？

题干分析 题设给定一个花费数组，已知我们可以上1/2/3级台阶，每次上到台阶i要花费costs[i]，同时根据上的台阶级数，追加花费1/4/9的花费。求从台阶0开始上到台阶n的最小花费为多少。 算法思路 拆分问题： 到达台阶n我们只能从台阶n-1/n-2/n-3开始分别花费对于的启动花费并追加移动花费到达台阶n。由此，我们设计dp[i]记录到达第i节台阶的最小花费，不难得到状态转移方程：  同时有初始条件：  同时我们注意到整个DP过程只涉及连续的四个状态值，因此可以进一步优化为常数额外空间消耗的迭代形式。 实现代码  递归与未进行内存优化的写法已注释  class Solution { /*...

我基本都在宿舍面试，也没啥讲究，直接开摄像头就开聊，也没有搞一个纯色背景，背后就直接是室友的床铺，不过面试官都挺理解，没也没有因为这个难为我。有次室友洗完澡，湿漉漉地从身后路过，我还在面试呢，面试官也没介意，就当是生活的一部分了，不过还是不要学我比较好，能找一个安静的环境最好

？？？？？？如何评价

原文链接：HikariLan's Blog 当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。 什么是 RAG？为什么需要 RAG？ **Retrieval-Augmented Generation（检索增强生成，RAG）**是一种可以允许 LLM 从大规模非结构化信息中进行语义检索的技术方案。 我们之所以需要 RAG，是因为大模型内置的知识内容可能不符合我们的需要，例如这些内容可能已经过时（因为用于大模型训练的语料库并不会随着使用者...