一周热榜

创建一个AI辅导员，它不会让你在没有学习任何东西的情况下继续进步——不仅仅是完成测试。你会接受训练，诊断理解上的任何问题，并且现在有一个实时语音挑战，你需要用口头方式向AI解释你的回答，然后它会通过额外的问题深入探讨。 这个语音功能是我在怀疑与人交谈时假装理解某件事要比选择一个合适的多项选择答案困难得多的情况下创建的。但说实话，我不知道这是否是一个有价值的想法，还是我对自己创造的最复杂事物的依恋的又一个表现。 所以，我想认真问的问题是：什么能帮助你信任AI对你理解能力的诊断？这是否值得，还是我应该坚持使用间隔重复的方法并信任自己？

什么是ChaosTree？<p>ChaosTree是一个零依赖的Java排序集合/映射库，基于多种树的实现构建。<p>它提供了以下实现： - AVL树 - 红黑树 - B树 - B+树<p>我没有创建自定义API，因为它实现了NavigableSet、NavigableMap、SequencedSet和SequencedMap。我的自定义API包括： - buildFromSorted(Iterator&gt; it, float factor) - importFlatMatrix(Object[][] blast, float factor) - Object[][] exportFlatMatrix()<p>我开始开发ChaosTree是因为我想探索数据结构的学习深度。它最初作为7种集合类型树的首次发布，配有自定义API。随着我对这个项目的深入，我转向了映射。在从集合切换到映射的过程中，发生了巨大的变化和知识升级，我将我的树的限制从jdk11+支持提升到了jdk21+，并密切关注无依赖性、内存布局、分配、JVM行为和实际性能。<p>我实验的一些内容包括： - 不同的节点布局和元数据占用 - CRTP/F界限多态性用于树的实现 - 父指针与无父节点 - 基于数组的N叉树节点 - B树/B+树的度选择 - JMH基准测试和JFR分析 - 针对java.util.TreeMap/TreeSet的差异化/随机化测试<p>经过这些艰难的测试，它还通过了以下测试：<p>- Guava Testlib兼容性测试 - jqwik基于属性的测试 - 针对参考集合的随机化差异测试 - 树节点的白盒结构验证 - B树/B+树结构不变量的直接验证 - 异常和迭代器契约测试 - 序列化和克隆测试 - N叉树使用自定义jqwik测试进行API验证。<p>尾延迟行为在此未显示，因为它被截断为简单文本，导致数据读取错误：<a href="https://chaos-vy.github.io/ChaosTree/utils/JMH-Report.html" rel="nofollow">https://chaos-vy.github.io/ChaosTree/utils/JMH-Report.html</a> 我还对我的N叉树进行了与官方JDK TreeMap更新的基准测试。<p>GitHub： <a href="https://github.com/Chaos-vy/ChaosTree" rel="nofollow">https://github.com/Chaos-vy/ChaosTree</a> <a href="https://chaos-vy.github.io/ChaosTree/" rel="nofollow">https://chaos-vy.github.io/ChaosTree/</a><p>我特别希望能收到关于API设计、实现选择和基准测试方法的反馈。目前我正在尝试截断无用和复杂的分支，以进行性能调优。