注意：模型迭代非常快，此文具有时效性
9月更新：
gpt 6-astra：人上人。贵，太贵了，用不起。全能模型，各方面感觉不到短板，找bug能力极强，中文表达顺畅。如果打5折可以给到夯。
gpt 5.6-sol：npc。纯伪人，你跟他说『不要A』，他回答：好的，不要A，现在编写一个单测，拦截所有未来可能出现的A，并且在所有注释和文档里写上『一定不要出现A』。
五个问题看出差距：Deepseek R1在推理、数学、代码能力上逊于OpenAI O1
通过对deepseek r1测试得到结论：不要沸腾，谨慎乐观，deepseek r1在推理能力和代码能力上远逊于openai o1。
测试方式：通过5个问题，分别询问deepseek r1和openai o1。
模型：o1使用的是国内某proxy的共享账号，r1使用deepseek官网。
原创说明：本文同步发表于知乎和小红书，为了防止被冲烂，在这备份一份。
READ MORE →单调栈全攻略
最近刷了不少单调栈，总算搞懂了
基本性质
- 入栈顺序为下标顺序。
- 出栈序列分批次为单调增/单调减。
- 每个元素应当入栈一次出栈一次，复杂度为O(N)
利用好这3点性质，是发挥单调栈作用的关键：
对于性质1，我们可以认为：当你使用了单调栈，那么你所解决的问题一定与数组下标顺序(或者排序后的数组下标顺序)有关系。相当于帮你固定了题目中的一组偏序。对于性质2，我们认为：想要使用单调栈，那么答案或者中间结果必然具有某种单调性。对于性质3，当我们需要O(N)算法时，可以考虑单调栈。
说的过于抽象了，看题。
READ MORE →InfluxDB 2.4+grafana9.0部署
工作中需要自建一个简单的离线监控平台，车上收集的collectd数据会通过ETL平台提取，上传至时序数据库，然后由grafana展示。
原先这个项目采用的是opentsdb，但是其读写性能不太好，对hbase也有依赖，运维繁琐。业务场景对数据可用性要求不是那么高，即使数据丢了重新跑一下ETL任务即可。综合以上，我自己选了先前比较火热的influxdb作为时序数据库。
READ MORE →自动驾驶中的名词解释
上班半年多，学习到了不少东西。为了防止像之前在字节那样，跑路了之后完全忘了自己学到了些什么业务知识，在这里做一些记录。也希望能够帮到更多热爱自动驾驶的人。里面可能有不少错误，欢迎捉虫。后续可能会持续更新。
基础
L1，L2，L3，L4，L5：这个一般人都知道。一般车厂的ADAS都是L2(只要有车道保持+ACC，就可以算L2)，一些高级一点的，可以应对动态场景的，如小鹏NGP，特斯拉FSD，可以算到L3。L4和L3最大的区别是，L4状态下，对车的主导权在机器手里，也就是在运行条件下，人就不应该接管。而L3是由人主动激活，并且要求人随时接管的。L5则是一个美好的愿景，永远无法达到。
READ MORE →