1060 爱丁顿数 (25分)

6 7 6 9 3 10 8 2 7 8
2 3 6 6 7 7 8 8 9 10

a=10    1天超过1公里
a=9     2天超过2公里
a=8     3天超过3公里
a=8     4天超过4公里
a=7     5天超过5公里
a=7     6天超过6公里
a=6     结束...   n-i-1
#include<iostream>
#include<algorithm>
#include<cmath>

using namespace std;
const int INF = 100001;
int main() {
	int n, i, j;
	cin >> n;

	int* a = new int[n];
	for (i = 0; i < n; i++) {
		cin >> a[i];
	}
	sort(a, a + n);

	if (a[0] > n) {
		cout << n << endl;
	}
	else {
		for (i = n - 1; i >= 0; i--) {
			if (a[i] <= n - i) {
				cout << n - i - 1 << endl;
				break;
			}
		}
	}
	return 0;
}
内容概要:文章介绍了DeepSeek在国内智能问(smart querying over data)领域的实战应用。DeepSeek是一款国内研发的开源大语言模型(LLM),具备强大的中文理解、推理和生成能力,尤其适用于企业中文环境下的智能问答、知识检索等。它具有据可控性强的特点,可以自部署、私有化,支持结合企业内部据打造定制化智能问系统。智能问是指用户通过自然语言提问,系统基于结构化或非结构化据自动生成精准答案。DeepSeek在此过程中负责问题理解、查询生成、多轮对话和答案解释等核心环节。文章还详细展示了从问题理解、查询生成到答案生成的具体步骤,并介绍了关键技术如RAG、Schema-aware prompt等的应用。最后,文章通过多个行业案例说明了DeepSeek的实际应用效果,显著降低了据使用的门槛。 适合人群:从事析、企业信息化建设的相关从业人员,尤其是对智能化据处理感兴趣的业务和技术人员。 使用场景及目标:①帮助业务人员通过自然语言直接获取据洞察;②降低传统BI工具的操作难度,提高析效率;③为技术团队提供智能问系统的架构设计和技术实现参考。 阅读建议:此资源不仅涵盖了DeepSeek的技术细节,还提供了丰富的实战案例,建议读者结合自身业务场景,重点关注DeepSeek在不同行业的应用方式及其带来的价值。对于希望深入了解技术实现的读者,可以进一步探索Prompt工程、RAG接入等方面的内容。
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
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