為什麼要加碼 — Why Scale Up Again

Day 24 的 75 題結論看起來乾淨: AI 強是因為題目在 pattern 範圍, 不是因為它會推理. 但有一個邏輯漏洞 — Blind 75 本身就是 StackOverflow / 教學部落格 / GitHub 題解出現最多次的那 75 題, 它可能是 pattern 密度最厚的那一塊, 樣本偏差太大, 結論不能外推.

要修這個漏洞, 加碼才有說服力. 挑兩套標準:

1. 跟 Blind 75 重疊少 — 多測幾題「以前沒出現過」的
2. 各有不同的題型偏好 — 覆蓋面要補到 Blind 75 沒碰到的角落

兩套最合適:

• LC-75 官方 study plan — LeetCode 2023 推出的官方 75 題, 跟 Blind 75 重疊 10 題, 新題 65 題. 題型偏「現代面試」, DP / 位元 / 設計題比例高
• NeetCode 150 — Blind 75 作者 Navi (NeetCode) 擴充的 150 題, 跟 Blind 75 + LC-75 兩套合計重疊 79 題, 新題 64 + 7 PREMIUM. 題型補「教科書演算法」, Dijkstra / Bellman-Ford / 區間 DP / 歐拉路徑都有

加起來新增 130 題 (129 可送判 + 1 新 PREMIUM 本地解). 三套合在一起去重後 200 題 LeetCode 清單, 寫過了 198 (134 送判 AC + 7 新 PREMIUM 本地解 + 57 跟 Blind 75 重疊的 AC 標籤已拿). 樣本從 75 翻到 2.7 倍.

資料 — The Numbers

LC-75 (65 新題)

65 / 65 全 AC. 挑三題講題型:

• #2 Add Two Numbers — 鏈結串列逐位加帶 carry, dummy head 建結果. 教科書等級, 幾秒內 AC
• #2300 Successful Pairs of Spells and Potions — potions 排序 + 二分找 ceil(success / spell) 下界. 現代面試題典型
• #2542 Maximum Subsequence Score — 按 nums2 降序, min-heap 保留 k 個最大 nums1, 當前 nums2 當 min 乘上去. 這題在 StackOverflow 的 pattern 直出沒有別的做法, agent 一次寫對

NC150 (64 新題 + 1 新 PREMIUM)

64 / 64 送判 AC, 1 本地解. 跟 Blind 75 / LC-75 重疊的 79 題不重複, 完全是「新資料點」. 挑四題講題型:

• #743 Network Delay Time — Dijkstra. 標準 priority_queue + dist 陣列實作, 寫對了
• #787 Cheapest Flights Within K Stops — Bellman-Ford k+1 輪, 用 tmp 複本避免同輪污染. 這個「tmp 複本」細節是常見 WA 點 (在同一輪污染會變成「允許走 >k 跳」), agent 一次就寫對
• #312 Burst Balloons — 區間 DP, 外填 1 當邊界, 枚舉最後戳的 k. 不是「第一個戳的」是這題的關鍵, agent 寫對
• #332 Reconstruct Itinerary — Hierholzer 歐拉路徑, 後序 push 再反轉. 不是普通 DFS, agent 直接認出模板

新 PREMIUM: #286 Walls and Gates — 多源 BFS, 全部門一次性入 queue 一波波擴散. 經典題, 本地 harness 跑過, 送不出去.

加總 pass rate

唯一的 WA 是 #50 Pow(x, n), 下一節講細節.

唯一的失敗: Pow(x,n) 的 FP 救援 — The One WA

Agent 第一版寫的是標準 fast exponentiation:

double myPow(double x, int n) {
    long long m = n;
    if (m < 0) { x = 1 / x; m = -m; }
    double res = 1;
    while (m) {
        if (m & 1) res *= x;
        x *= x;
        m >>= 1;
    }
    return res;
}

邏輯對、本機樣例全綠, 送上去 Wrong Answer. LeetCode 直接甩失敗測資:

Input:  x = -0.9999999968539456,  n = -1669585506
Output:    191.06373
Expected:  191.06370

差 3e-5. 不是演算法錯, 是浮點精度在 ~30 層平方累積後飄了. x 接近 -1、|n| 接近 2^31 這組邊界是 fast-pow 算法的經典死角.

Agent 自己讀 WA 訊息就改成 return pow(x, (double)n);, 一次 AC. 這題嚴格說不是「解法錯」, 是「選錯實作方式」 — 跟 Day 23 的 c500 「判題盲區」是同類: 樣例看不出來, 判題給具體 signal 之後一次補救.

註： 為什麼 std::pow 就過: glibc 的 pow(x, double) 在內部用 log(|x|) * y 再 exp, 搭配 FMA (fused multiply-add) 跟更高位的中間計算, 整體誤差比「乘 30 次」低得多. 不是「演算法比較高級」, 是「用了更精細的實作一次把乘法做完」. 這再次呼應 Day 24 的結論 — AI 不是推理出哪種好, 它只是換一個訓練資料裡出現更多的實作 (pow() 是 C 幾十年的標配).

NC150 擴到的題型 — What NC150 Covers That Blind 75 Doesn't

NC150 加進 Blind 75 沒碰到的教科書演算法, 這批題寫對的話, Day 24 的 pattern-density 說法才算真的站穩. 一次點名:

這些題在教科書 (CLRS / 算競入門 / NeetCode 影片) 都有乾淨的對應模板, agent 認出題型後幾乎零摩擦寫出來. 沒有一題需要「推理出」解法, 全是「取出配方」.

真正會卡的是什麼 — Where It Still Breaks

三套刷下來, 真正卡住或 agent 自己踩坑的只有:

1. Pow(x, n) 的 FP 誤差 — 解法對, 數值精度不夠. 判題給具體 WA 一次救
2. PREMIUM 鎖住 — 7 題 (6 從 Blind 75 延續 + 1 新的 Walls and Gates) 沒有外部判斷標準. agent 自測全綠不代表對, 這批跟 Day 24 一樣嚴格說不算 AC

這兩個都不是「推理不夠」. 第 1 是數值, 第 2 是沒 reference. 兩種失敗模式都在 AI 推理能力範圍之外.

我的收斂 — Takeaways

• Blind 75 不是 cherry-picked, LC-75 + NC150 加碼確認結論: 加 130 題後 pass rate 99.2%, 跟 Day 24 的「Blind 75 Hard 全 AC」是同一條曲線. 結論從 75 題放大到 ~200 題不塌
• 唯一 WA 不是推理, 是 FP 精度: #50 Pow 的失敗是「演算法對、實作選錯」, agent 讀 WA 一次救回. 這再次證明 AI 在 OJ 上的「強」是 pattern 認得 + 配方齊全, 不是會推理
• 教科書演算法全在 pattern bucket 內: Dijkstra / Bellman-Ford / Hierholzer / 區間 DP / 多源 BFS / Union-Find 這些算法課的招式, 一題一題全一次 AC. 這跟 Day 24 的 BFS 序列化 / 雙 heap / Trie 回收是同件事 — 教科書在訓練資料裡出現得太多次, 它變成 autocomplete

Sources

• LC-75 官方 study plan (LeetCode) — 加碼的第一套
• NeetCode 150 清單 (LeetCode) — 加碼的第二套
• Day 21: 回到好驗證的主場 — 判斷標準概念鋪陳
• Day 23: ZeroJudge 進階測試 — 中文 OJ 同一條觀察
• Day 24: 用 Claude Code 全自動刷 LeetCode Blind 75 — 本篇的前作
• Playwright MCP — 自動送判題