compare items by array

本文介绍了一种使用Ruby语言进行文件读取、数据排序及比较的方法。通过对两个文本文件中的数字进行排序,并找出它们之间的相同项和不同项,展示了基本的数据处理技巧。适用于初学者了解如何操作文件和处理数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  1. $KCODE='SJIS'
  2. a=[]
  3. ha={}
  4. File.open("103.txt").each_line{ |l|
  5. a.push(l.strip.chomp.to_i)#number
  6. }
  7. a.sort!
  8. af=File.open("103.txt","w")
  9. af.puts(a)
  10. af.close()
  11. b=[]
  12. File.open("102.txt").each_line{|l|
  13. b.push(l.strip.chomp.to_i)#number
  14. }
  15. b.sort!
  16. bf=File.open("102.txt","w")
  17. bf.puts(b)
  18. bf.close()
  19. cc=File.open("same.txt","w")
  20. cc.puts(a & b)
  21. dd=File.open("diff.txt","w")
  22. dd.puts( b.size()>a.size()?(b-a):(a-b))#compare from - compare to
  23. =begin
  24. 102.txt
  25. -------
  26. 10
  27. 5
  28. 8
  29. 103.txt
  30. -------
  31. 30
  32. 5
  33. 20
  34. 8
  35. diff.txt
  36. -------
  37. 20
  38. 30
  39. =end
内容概要:《中文大模型基准测评2025年上半年报告》由SuperCLUE团队发布,详细评估了2025年上半年中文大模型的发展状况。报告涵盖了大模型的关键进展、国内外大模型全景图及差距、专项测评基准介绍等。通过SuperCLUE基准,对45个国内外代表性大模型进行了六大任务(数学推理、科学推理、代码生成、智能体Agent、精确指令遵循、幻觉控制)的综合测评。结果显示,海外模型如o3、o4-mini(high)在推理任务上表现突出,而国内模型如Doubao-Seed-1.6-thinking-250715在智能体Agent和幻觉控制任务上表现出色。此外,报告还分析了模型性价比、效能区间分布,并对代表性模型如Doubao-Seed-1.6-thinking-250715、DeepSeek-R1-0528、GLM-4.5等进行了详细介绍。整体来看,国内大模型在特定任务上已接近国际顶尖水平,但在综合推理能力上仍有提升空间。 适用人群:对大模型技术感兴趣的科研人员、工程师、产品经理及投资者。 使用场景及目标:①了解2025年上半年中文大模型的发展现状与趋势;②评估国内外大模型在不同任务上的表现差异;③为技术选型和性能优化提供参考依据。 其他说明:报告提供了详细的测评方法、评分标准及结果分析,确保评估的科学性和公正性。此外,SuperCLUE团队还发布了多个专项测评基准,涵盖多模态、文本、推理等多个领域,为业界提供全面的测评服务。
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