H-Store 汇总
Supported Benchmarks « H-Store
TPC-C
官方网站:TPC-C Homepage
官方文档:tpc.org/TPC_Documents_Current_Versions/pdf/tpc-c_v5.11.0.pdf
Supported Benchmarks « H-Store
官方网站:TPC-C Homepage
官方文档:tpc.org/TPC_Documents_Current_Versions/pdf/tpc-c_v5.11.0.pdf
在人类漫长的工业文明史上,产品的演进节奏通常受限于物理法则、供应链摩擦以及复杂的制造工艺。从蒸汽机的改良、内燃机的进化到民航客机的更迭,任何一项复杂工业产品的代际跨越往往以“十年”为基本度量单位 1。即便是在数字时代,操作系统的重大版本更新也通常维持在三到五年的周期 3。然而,自 2022 年底大语言模型(LLM)进入公众视野以来,一种前所未有的工业范式彻底颠覆了既往的认知:大语言模型成为了人类历史上首个以“月”甚至“周”为单位进行核心能力迭代、并在此极短周期内完成残酷优胜劣汰的工业产品 4。
这种高频迭代的现象并非偶然的技术爆发,而是算法、算力与数据在“缩放法则”(Scaling Laws)指导下形成的确定性工业产出 6。当智力本身被转化为一种可度量的数字化商品(Commodity Intelligence),其竞争的烈度与产品的可替代性达到了工业史上的巅峰 8。较弱的产品在层出不穷的基准测试(Benchmarks)面前无所遁形,极易在瞬息万变的市场中失去份额,这种“创造性毁灭”的效率远超传统的汽车、电子或软件行业 10。
在传统的工业制造领域,一个产品的生命周期被严密地划分为构思、设计、实现和服务四个阶段 12。由于涉及物理实体的制造、全球供应链的协同以及极高的安全性验证要求,产品的更新节奏极其缓慢。以汽车工业为例,一款全新车型的研发周期通常需要五到七年,即便是在量产之后,其典型的生命周期也遵循“七年一剑”的逻辑:前四年进行全规模生产,中间经历一次耗资巨大的“中期改款”(Facelift),最后几年逐步淡出 1。
$$ \newcommand{\rel}[1]{\xrightarrow{#1}} \newcommand{\WR}{\textsf{WR}} \newcommand{\wr}{\textsf{wr}} \newcommand{\read}{\textsf{read}} \newcommand{\WW}{\textsf{WW}} \newcommand{\RW}{\textsf{RW}} \newcommand{\RC}{\textbf{\textup{RC}}} \newcommand{\RA}{\textbf{\textup{RA}}} \newcommand{\CC}{\textbf{\textup{CC}}} \newcommand{\PC}{\textbf{\textup{PC}}} \newcommand{\PSI}{\textbf{\textup{PSI}}} \newcommand{\SI}{\textbf{\textup{SI}}} \newcommand{\StwoPL}{\textbf{\textup{S2PL}}} \newcommand{\SSI}{\textbf{\textup{SSI}}} \newcommand{\SER}{\textbf{\textup{SER}}} \newcommand{\SERm}{\textbf{$\textup{SER}^{-}$}} $$
摘要
给定正整数 $N$ 和素数 $P$。
$\forall K=0,1,\ldots,N$,求出满足以下条件的简单有向图的数量:
只需要输出答案对 $P$ 取模后的结果。
求满足以下条件的长度为 $N$ 的序列 $A=(A_1,A_2,\cdots A_N)$ 有多少种:
JSOI 王国里有 $N$ 个机场,编号为 $1$ 到 $N$。从 $i$ 号机场到 $j$ 号机场需要飞行 $T_{i,j}$ 的时间。由于风向,地理位置和航空管制的因素,$T_{i,j}$ 和 $T_{j,i}$ 并不一定相同。
此外,由于飞机降落之后需要例行维修和加油。当一架飞机降落 $k$ 号机场时,需要花费 $P_k$ 的维护时间才能再次起飞。
JS Airways 一共运营 $M$ 条航线,其中第 $i$ 条直飞航线需要在 $D_i$ 时刻从 $X_i$ 机场起飞,不经停,飞往 $Y_i$ 机场。
为了简化问题,我们假设 JS Airway 可以在 $0$ 时刻在任意机场布置任意多架加油维护完毕的飞机;为了减少飞机的使用数,我们允许 JS Airways 增开任意多条临时航线以满足飞机的调度需求。
阿米巴和小强是好朋友。
阿米巴和小强在大海旁边看海水的波涛。小强第一次面对如此汹涌的海潮,他兴奋地叫个不停。而阿米巴则很淡定,他回想起曾经的那些日子,事业的起伏,情感的挫折……总之今天的风浪和曾经经历的那些风雨比起来,简直什么都不算。
于是,这对好朋友不可避免地产生了分歧。为了论证自己的观点,小强建立了一个模型。他海面抽象成一个 $1$ 到 $N$ 的排列 $P_{1\ldots N}$。定义波动强度等于相邻两项的差的绝对值的和,即:
$$ L = | P_2 – P_1 | + | P_3 – P_2 | +\ldots + | P_N – P_{N-1} | $$
对 $n$ 个点有标号的有向无环图进行计数,要求:弱连通图(所有的有向边替换为无向边后的图为连通图)。输出答案对 $998244353$ 取模的结果。
一个整数 $T$。
到了难得的假期,小白班上组织大家去看电影。但由于假期里看电影的人太多,很难做到让全班看上同一场电影。最后大家在一个偏僻的小胡同里找到了一家电影院,但这家电影院分配座位的方式很特殊,具体方式如下:
电影院的座位共有 $K$ 个,并被标号为 $1 \sim K$。每个人买完票后会被随机指定一个座位,具体来说是从 $1 \sim K$ 中等概率随机选取一个正整数,设其为 $L$。
如果编号 $L$ 的座位是空位,则这个座位就分配给此人,否则将 $L$ 加一,继续前面的步骤;如果不存在编号 $L$ 的座位,则该人只能站着看电影,即所谓的站票。
小白班上共有 $N$ 人(包括小白自己),作为数学爱好者,小白想知道全班都能够有座位的概率是多少。
首先我们回忆一下经典难题过河卒问题:
棋盘上 $A$ 点有一个过河卒,需要走到目标 $B$ 点。卒行走的规则:可以向上、或者向右。同时在棋盘上 $C$ 点有一个对方的马,该马所在的点和所有跳跃一步可达的点称为对方马的控制点,因此称之为「马拦过河卒」。
棋盘用坐标表示,$A$ 点 $(1,1)$ 、$B$ 点 $(N,M)$ ,同样马的位置坐标是需要给出的。
现在要求你计算出卒从 $A$ 点能够到达 $B$ 点的路径的条数,假设马的位置是固定不动的,并不是卒走一步马走一步。
请注意,上述背景内容与本题无关!
Kiana 喜欢玩象棋,尤其是喜欢用象棋玩过河卒的游戏。在传统的过河卒问题中,Kiana 需要控制一个卒从起点走到终点,在路中避开一个对方的马的攻击,然后假装不会算并询问你从起点到终点的路径总数。
在今天的过河卒二游戏中,Kiana 还是控制一个卒在一个 $N\times M$ 的棋盘上移动,初始时卒位于左下方坐标为 $(1,1)$ 位置,但为了增加难度,Kiana 对游戏规则做出了一些修改。传统的过河卒每步只能向上或向右移动 $1$ 格,Kiana 规定自己的过河卒二还可以在一步中向右上方移动 $1$ 格,即如果当前卒位于坐标 $(x,y)$ 处,则下一步可以走到 $(x+1,y)$ 、$(x,y+1)$ 或 $(x+1,y+1)$ 中的任意一格里面去,同时 Kiana 认为,如果两种移动方案在某一步时卒移动的方向(右、上或右上)不同,则两种方案就是不同的,例如从 $(1,1)$ 先走到 $(1,2)$ 再走到 $(2,2)$ 、从 $(1,1)$ 先走到 $(2,1)$ 再走到 $(2,2)$ 和从 $(1,1)$ 直接走到 $(2,2)$ 是三种不同的移动方案。
其次,过河卒二的终点不再是一个特定的位置,Kiana 规定卒可以从棋盘的上方或右方走出棋盘,此时就视为游戏成功。注意在走出棋盘时仍然有方向选择的不同,例如若过河卒位于 $(1,M)$ 处,则下一步它可以向右或者向右上用两种方式走出棋盘,若过河卒位于 $(N,M)$ 处,则下一步它可以向上、向右或者向右上用三种方式走出棋盘,以不同的方式走出棋盘仍然被算作是不同的移动方案。