蓝桥杯 三进制数位和 C++算法提高 HERODING的蓝桥杯之路

资源限制
时间限制:1.0s 内存限制:256.0MB
问题描述
  给定L和R,你需要对于每一个6位三进制数(允许前导零),计算其每一个数位上的数字和,设其在十进制下为S。

一个三进制数被判断为合法,当且仅当S为质数,或者S属于区间[L,R]。

你的任务是给出合法三进制数的个数。
输入格式
  一行两个非负整数L,R。
输出格式
  一行一个非负整数表示答案。
样例输入
0 0
样例输出
330
数据规模和约定
  保证0<=L<R<=12。
提示
  判断x是否为质数核心代码:for (int i = 2; i * i <= x; ++i) if (x % i == 0) {/你猜?/}

解题思路:
注意审题,仔细观察你就会发现,其实这只不过是让你从0——728中找质数或者是在R与L之间的数,然后输出总数即可,非常简单,当然你也可以六重for循环,就是麻烦了点,质数的判断过程用一个函数判断,代码如下:

#include<bits/stdc++.h>

using namespace std;

bool judge(int n){
	bool flag = true;
	if(n == 0 || n == 1){
		return false;
	}
	for(int i = 2; i * i <= n; i ++){
		if(n % i == 0){
			flag = false;
			break;
		}
	}
	return flag;
}

int main(){
	int arr[729];
	int L, R;
	int  a, b, c, d, e, f, index = 0;
	for(a = 0; a < 3; a ++)
		for(b = 0; b < 3; b ++)
			for(c = 0; c < 3; c ++)
				for(d = 0; d < 3; d ++)
					for(e = 0; e < 3; e ++)
						for(f = 0; f < 3; f ++){
							arr[index ++] = a + b + c + d + e + f; 
						}
	cin >> L >> R;
	int count = 0;
	for(int i = 0; i < 729; i ++){
		if(judge(arr[i]) || (arr[i] <= R && arr[i] >= L)){
			count ++;
		}
	}
	cout << count << endl;
	return 0;
} 
GPT在NER(命名实体识别)任务上的表现相对较低。GPT是一个文本生成模型,而NER是一个序列标记任务,这两者的任务性质不同。为了弥补这种差距,研究人员提出了GPT-NER模型,将序列标记任务转换为GPT的生成任务。GPT-NER通过将需要提取的实体标记添加到生成的文本中来完成NER任务。此外,为了解决GPT-NER模型中的幻觉问题,研究人员还提出了自我验证策略,即提示GPT-NER询问自己提取的实体是否属于标记的实体标签。在多个广泛使用的数据集上,GPT-NER实现了与完全监督基线相当的性能,并且在小样本场景下表现优于监督模型。\[2\]\[3\] #### 引用[.reference_title] - *1* [GPT 应该存在吗?](https://blog.youkuaiyun.com/csdnnews/article/details/130939444)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [【论文精读】GPT-NER: Named Entity Recognition via Large Language Models](https://blog.youkuaiyun.com/HERODING23/article/details/130476395)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

HERODING77

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值