- 综合排序
- 最热优先
- 最新优先
- 来自专栏刷题笔记
7-3 打印沙漏
点这里 7-3 打印沙漏 本题要求你写个程序把给定的符号打印成沙漏的形状。
75820发布于 2019-11-08 - 来自专栏繁花云
7-3笔记
对数的定义：一般地，如果ax=N（a>0，且a≠1），那么数x叫做以a为底N的对数，记作x=logaN，读作以a为底N的对数，其中a叫做对数的底数，N叫做真数。
60800发布于 2018-07-31 - 来自专栏以终为始
7-3 情人节 （15 分)
输入按照点赞的先后顺序给出不知道多少个点赞的人名，每个人名占一行，为不超过10个英文字母的非空单词，以回车结束。一个英文句点.标志输入的结束，这个符号不算在点赞名单里。
24020编辑于 2023-03-09 - 来自专栏刷题笔记
7-3 约瑟夫环 (25 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101472782 7-3 约瑟夫环 (25 分) N个人围成一圈顺序编号，从1号开始按1、
1.1K10发布于 2019-11-08 - 来自专栏刷题笔记
7-3 电话聊天狂人 (25 分)
点这里 7-3 电话聊天狂人 (25 分) 给定大量手机用户通话记录，找出其中通话次数最多的聊天狂人。 输入格式: 输入首先给出正整数N（≤105），为通话记录条数。
1.1K20发布于 2019-11-08 - 来自专栏镁客网
不止会下棋，人工智能还能高考阅卷
孰不知，人工智能不仅会下棋，还能高考阅卷。 据日本文部科学省估算，在对问答题进行评分时，假设考生有53万人，但阅卷者只有800人的话，就算将培训中的阅卷者也包括在内，阅完所有试卷则需要20到60天。 这便意味着，从考试到公布分数这段时间，不仅阅卷者工作量庞大，等待分数结果的人们心理的负担会更大。而且，对这对于高中教学和考场安排都会造成一定的影响。因此，缩短阅卷时间是必须的。 目前，中国运用在考试阅卷中的技术，大多以机读卡（一种简单的光学字符识别（OCR）的技术）为主。但是，这只能减少选择题的阅卷工作量。 像以上提到的问答题，还有作文等，要在规定时间内完成人工阅卷，评分的准确性和稳定性都难以做到完全保障。
1.1K50发布于 2018-05-28 - 来自专栏刷题笔记
7-3 寻找大富翁 (50分)
胡润研究院的调查显示，截至2017年底，中国个人资产超过1亿元的高净值人群达15万人。假设给出N个人的个人资产值，请快速找出资产排前M位的大富翁。
1.5K10发布于 2020-06-23 软考启用AI辅助阅卷，考试该如何写出让AI模型和阅卷专家都青睐的满分论文？
根据工业和信息化部教育与考试中心在2025年8月采购的“国家职业资格考试及公开招聘考试阅卷技术服务”项目中，明确包含了AI辅助阅卷功能（支持填空题、问答题、论文题等题型的AI评阅功能）。 这意味着，一篇软考论文将同时面对“阅卷专家”的审查与“AI阅卷”的扫描分析。阅卷专家基于丰富的专业经验，对论文的实践真实性、论述深度与评分细则进行综合评判。 真正的关键，在于读懂这场“人机协同”阅卷背后的新规则！ 因此，我大胆推断，AI阅卷在阅卷整个过程中可能扮演两个角色：一是作为“初筛器”，快速提取作答论文的结构要素、关键词和量化数据，为阅卷专家生成初步分析报告；二是作为“校准器”，在多评机制下，辅助识别不同阅卷专家评分间的异常偏差 2、结构逻辑：提供清晰的“导航图” 混乱的论文结构会增加AI阅卷解析复杂度和阅卷专家理解的难度。在论文写作时必须采用公认的高效结构，为论文叙述搭建清晰的写作框架。
21700编辑于 2026-07-08- 来自专栏以终为始
7-3 树的同构 （25 分）
7-3 树的同构 （25 分） 给定两棵树T1和T2。如果T1可以通过若干次左右孩子互换就变成T2，则我们称两棵树是“同构”的。
25410编辑于 2023-03-09 - 来自专栏机器学习与统计学
利用Python开发智能阅卷系统（附源代码）
本文为“机器学习交流群”群友华兵同学投稿 随着现代图像处理和人工智能技术的快速发展，不少学者尝试讲CV应用到教学领域，能够代替老师去阅卷，将老师从繁杂劳累的阅卷中解放出来，从而进一步有效的推动教学质量上一个台阶 传统的人工阅卷，工作繁琐，效率低下，进度难以控制且容易出现试卷遗漏未改、登分失误等现象。 ? 现代的“机器阅卷”，工作便捷、效率高、易操作，只需要一个相机（手机），拍照即可获取成绩，可以导入Excel表格便于存档管理。 ?
2.9K30发布于 2019-12-10 - 来自专栏北京马哥教育
皇上请阅卷！【2016运维高考-考卷汇总】
一年一度高考时，马帮小伙伴也没闲着，做了一套“运维高考题”，那么现在就由你，没错，就是你————最敬爱的大众评审来一起阅卷啦！ We want you！！！
1K90发布于 2018-05-07 - 来自专栏AI机器学习与深度学习算法
机器学习入门 7-3 求数据的主成分pca
这些点完全在一条直线上，但是他们分布在一个二维的平面上，如果此时使用pca将这些点映射的话，最终也会映射到这样一根直线上。
86650发布于 2019-11-13 - 来自专栏程序IT圈
利用Python开发智能阅卷系统（附源代码）
随着现代图像处理和人工智能技术的快速发展，不少学者尝试讲CV应用到教学领域，能够代替老师去阅卷，将老师从繁杂劳累的阅卷中解放出来，从而进一步有效的推动教学质量上一个台阶。 传统的人工阅卷，工作繁琐，效率低下，进度难以控制且容易出现试卷遗漏未改、登分失误等现象。 ? 现代的“机器阅卷”，工作便捷、效率高、易操作，只需要一个相机（手机），拍照即可获取成绩，可以导入Excel表格便于存档管理。 ?
1.7K10发布于 2021-01-19 - 来自专栏刷题笔记
7-3 堆栈操作合法性 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/98609302 7-3 堆栈操作合法性 (20 分) 假设以S和X分别表示入栈和出栈操作。
1.6K20发布于 2019-11-08 - 来自专栏新智元
高考&中考也AI，机器人阅卷技术曝光
人工智能技术为解决这一问题提供了一种可能性——让智能化的机器来阅卷。 机器阅卷可以保证过程的客观性和一致性，从某种程度上来说是保证高考公平公正的一个方法。 要想机器阅卷技术真正普及并为阅卷工作带来便利，无法回避的一个难关就是：批阅学生用母语写的作文。 机器阅卷技术的未来 未来，随着人工智能技术的发展，除了开放式作文、甚至政史地问答题等试题的批阅中，机器都可以自动阅卷。机器可以自动学习教师的阅卷方法。 如果全自动机器阅卷变成现实，“阅卷”这件需要教师们投入大量人力物力才能完成的事将变得轻松，教师们将会有更多的时间和精力被解放出来，投入到对教学方法、教学手段等创造性工作的研究中，相信学生们也会因此获得更好 目前，在国内机器智能阅卷技术发展中，科大讯飞已经在安庆、合肥等地成功试点应用。
4.2K60发布于 2018-03-26 - 来自专栏Lan小站
用Python快速阅卷选择、填空题等客观题目
使用说明： 将所有需要阅卷的答案按照以下格式放到一个target.txt文档中： 姓名+空格+答案1+答案2 多个学生请换行隔开 如： 学生1 A B B B C B B B BD C D C D B
87510编辑于 2022-07-14 - 来自专栏freesan44
PTA 7-3 拼题 A 是真爱 (20 分)
如果一个人在一段话里很多次提到 pintia，那对拼题 A 就是真爱啦~ 本题就请你检查一下给定的文字中出现了几次 pintia。
45610编辑于 2021-12-06 - 来自专栏数据结构和算法
7-3 调查电视节目受欢迎程度 (15分)
7-3 调查电视节目受欢迎程度 (15分) 某电视台要调查观众对该台8个栏目（设相应栏目编号为1~8）的受欢迎情况，共调查了n位观众（1≤n≤1000），现要求编写程序，输入每一位观众的投票情况（每位观众只能选择一个最喜欢的栏目投票
36110编辑于 2023-11-30 - 来自专栏freesan44
PTA 7-3 拼题 A 是真爱 (20 分)
如果一个人在一段话里很多次提到 pintia，那对拼题 A 就是真爱啦~ 本题就请你检查一下给定的文字中出现了几次 pintia。
63900发布于 2021-09-10 基于 Vue 与.NET 的高并发在线考试系统技术架构与实践应用
一、全流程学习管理体系，构建沉浸式线上教学体验系统以课程为核心载体，打通线上教学各关键环节，实现学习、授课、练习的无缝衔接，兼顾学习体验与过程管控，适配多终端、多场景的学习需求。 二、智能考试与多维度防作弊，打造严肃可信的考核环境针对模拟练习、结课考核、专项测评等不同考核场景，系统设计了灵活的组卷策略与多重防作弊机制，搭配智能阅卷功能，既保障考试的公平公正，又大幅提升考核工作效率 智能阅卷体系：自动 + 人工结合，提升阅卷效率与准确性实现客观题系统自动批阅，主观题支持人工在线阅卷，阅卷完成后成绩自动汇总统计。考试后AI批阅试卷，简答题自动评分。 管理员可批量导出考试成绩，针对修正答案后的试卷支持成绩重新计算，大幅减少教务与考务工作的人工成本，提升阅卷与成绩管理的效率。 该系统的技术实践与应用，为教育机构、企业培训部门解决线上教学落地难题提供了可行路径，也为教育信息化与企业数字化培训的深度融合提供了技术支撑，适配不同行业、不同规模机构的线上教学培训需求，具有广泛的实践与应用价值
44110编辑于 2026-02-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号