前缀和与差分笔记&模板前缀和与差分prefix_sumanddifference-唔知叫咩emm-博客园(cnblogs.com)不适合做代码笔记，复习主要是复习思路，要看就看模板题常用代码模板1——基础算法-AcWing注意：左留一个0，避免分类讨论注意：初始化数组大小，记得+1简介前缀和是一种重要的预处理，能大大降低查询的时间复杂度前缀和数列的前n项的和差分差分是一种和前缀和相对的策略，可以当做是求和的逆运算。差分数组的前缀和数组是原数组应用场景，关键词区间信息维护与查询视频教程STUACM-算法入门-前缀和与差分(含二维)_哔哩哔哩_bilibili有点长，不太推荐，找个模板题看看题解就
前缀和与差分笔记&模板前缀和与差分prefix_sumanddifference-唔知叫咩emm-博客园(cnblogs.com)不适合做代码笔记，复习主要是复习思路，要看就看模板题常用代码模板1——基础算法-AcWing注意：左留一个0，避免分类讨论注意：初始化数组大小，记得+1简介前缀和是一种重要的预处理，能大大降低查询的时间复杂度前缀和数列的前n项的和差分差分是一种和前缀和相对的策略，可以当做是求和的逆运算。差分数组的前缀和数组是原数组应用场景，关键词区间信息维护与查询视频教程STUACM-算法入门-前缀和与差分(含二维)_哔哩哔哩_bilibili有点长，不太推荐，找个模板题看看题解就
*以下内容为本人的学习笔记，如需要转载，请声明原文链接微信公众号「ENG八戒」https://mp.weixin.qq.com/s/IwSVImp5cOB3gZbaf0YiPw写过C/C++的都知道，内存允许程序员自主分配，用完了这些资源也得释放出来，这种在系统运行过程中动态申请的内存，称为动态内存。常言道，借东西好借好还，下次再借也不难，但是有的人有时候还真的忘了还回去。这要是发生在程序运行时，申请的内存没正常释放，没管理好，就避免不了会面对内存报错的问题。内存都允许你自由操纵了，灵活性是真的大，恰恰这也是它的弊端。今天就来聊聊C/C++的报错doublefreeorcorruption怎么
*以下内容为本人的学习笔记，如需要转载，请声明原文链接微信公众号「ENG八戒」https://mp.weixin.qq.com/s/IwSVImp5cOB3gZbaf0YiPw写过C/C++的都知道，内存允许程序员自主分配，用完了这些资源也得释放出来，这种在系统运行过程中动态申请的内存，称为动态内存。常言道，借东西好借好还，下次再借也不难，但是有的人有时候还真的忘了还回去。这要是发生在程序运行时，申请的内存没正常释放，没管理好，就避免不了会面对内存报错的问题。内存都允许你自由操纵了，灵活性是真的大，恰恰这也是它的弊端。今天就来聊聊C/C++的报错doublefreeorcorruption怎么
目录1.前言2.正文2.1.“分配”与“释放”2.2.运行测试2.2.1.VSCode下使用gcc编译2.2.2.VS2022下使用MSVC编译2.3.程序漏洞测试2.4.程序漏洞修复2.5.附加测试3.总结欢迎大家移步我的博客查看原文。1.前言上机时遇到如下C++代码(C代码)：//删除带头结点的多项式单链表中系数为0项voidDelZero(PolyNode*&L){PolyNode*pre=L,*p=pre->next;while(p!=NULL){if(p->coef==0.0){pre->next=p->next;free(p);}pre=p;p=p->next;}}来源：《数据结构
目录1.前言2.正文2.1.“分配”与“释放”2.2.运行测试2.2.1.VSCode下使用gcc编译2.2.2.VS2022下使用MSVC编译2.3.程序漏洞测试2.4.程序漏洞修复2.5.附加测试3.总结欢迎大家移步我的博客查看原文。1.前言上机时遇到如下C++代码(C代码)：//删除带头结点的多项式单链表中系数为0项voidDelZero(PolyNode*&L){PolyNode*pre=L,*p=pre->next;while(p!=NULL){if(p->coef==0.0){pre->next=p->next;free(p);}pre=p;p=p->next;}}来源：《数据结构
CF链接：LeastPrefixSumLuogu链接：Least PrefixSum${\scr\color{CornflowerBlue}{\text{Solution}}}$先来解释一下题意：给定一个数组，问最少把多少个数变成相反数，使得$\forall\cal{i}$,$\sum_{k=1}^ia_k$$\le$ $ \sum_{k=1}^ma_k$发现对于所有数据点，$\cal{n}\le2\times10^5$，说明需要$Ο(\cal{n\logn})$或者$O(\cal{n})$的算法。分析一下题目，发现要分成$\cal{i}>\cal{m}$与$\cal{i}当$\cal{i}$
CF链接：LeastPrefixSumLuogu链接：Least PrefixSum${\scr\color{CornflowerBlue}{\text{Solution}}}$先来解释一下题意：给定一个数组，问最少把多少个数变成相反数，使得$\forall\cal{i}$,$\sum_{k=1}^ia_k$$\le$ $ \sum_{k=1}^ma_k$发现对于所有数据点，$\cal{n}\le2\times10^5$，说明需要$Ο(\cal{n\logn})$或者$O(\cal{n})$的算法。分析一下题目，发现要分成$\cal{i}>\cal{m}$与$\cal{i}当$\cal{i}$
这一章我们介绍在下游任务微调中固定LM参数，只微调Prompt的相关模型。这类模型的优势很直观就是微调的参数量小，能大幅降低LLM的微调参数量，是轻量级的微调替代品。和前两章微调LM和全部冻结的prompt模板相比，微调Prompt范式最大的区别就是prompt模板都是连续型（Embedding），而非和Token对应的离散型模板。核心在于我们并不关心prompt本身是否是自然语言，只关心prompt作为探针能否引导出预训练模型在下游任务上的特定能力。固定LM微调Prompt的范式有以下几个优点性价比高！微调参数少，冻结LM只微调prompt部分的参数无人工参与！无需人工设计prompt模板，
这一章我们介绍在下游任务微调中固定LM参数，只微调Prompt的相关模型。这类模型的优势很直观就是微调的参数量小，能大幅降低LLM的微调参数量，是轻量级的微调替代品。和前两章微调LM和全部冻结的prompt模板相比，微调Prompt范式最大的区别就是prompt模板都是连续型（Embedding），而非和Token对应的离散型模板。核心在于我们并不关心prompt本身是否是自然语言，只关心prompt作为探针能否引导出预训练模型在下游任务上的特定能力。固定LM微调Prompt的范式有以下几个优点性价比高！微调参数少，冻结LM只微调prompt部分的参数无人工参与！无需人工设计prompt模板，
