2024-09-03 下班随笔之花钱赚钱矛盾分析​9.3 4'56 有没有那么一个人，曾经让你发了疯的想，现在却拼了命的想忘掉。​花了一个月研究花钱与赚钱的矛盾问题，设计了几十种策略来节流，大大降低了支出，直到最近优化不动了。​因为新增的策略可以节约用钱的同时也可能会导致赚钱的减少，现在开销已经降很低了，最近新增的一批规则导致开销的减少量小于赚钱的减少量，收益小于成本，ROI小于1了！​但是，只要还有花钱的地方，无产者怎么会就此止步呢？​之前我都是手动一条条规则去设计，靶向地解决一个个浪费钱的地方，但是由于看不到最近7.5年账本里的全量数据，不知道每修改一条规则在减少支出的同时会对全局减少多少收入，而完整测一次效果需要一周时间。直到上周五我写了个自动化程序，去解析之前的评测日志，需要什么账本数据就自动去有鱼记账app上读取需要的记账条目。这样一来，测试一个新规则版本的时间从一周加速到了十分钟！​于是，昨天我一次性执行脚本拿到了了二十几个版本的省钱赚钱评测数据，虽然只能测出新减少的开销项，新减少的收入项，不能测出新增加的开销项，新增加的收入项（那样还是需要一周的时间做完整测试）。​直到今天，为了使ROI大于一，我开始反向思考如何增收的办法了。规则越来越多，相互干扰，情况越来越复杂，开始走向玄学。好不容易微调了两个策略，以不到70元的成本增加了六百多块钱收入，ROI接近10了。但是这是为了缓解最近那批更新规则版本的负面影响，目前收入减少量还是大于花销减少量，ROI还是小于1，只能进一步妥协一些规则，多花一些钱开源，以求多赚一些钱，把ROI提上去。

2024年6月从北京回长沙工作1. 党组织关系转移，已完成2. 公积金转移（要满半年再申请，还不知道去哪申请）3. 养老保险转移、社保转移，已完成4. 人事档案转移，已完成5. 户口转移，已完成落户6. 办社保卡，已完成7. 长沙租房生活补贴申请，待审批8. 医保转移（8月才交，还不知道去哪申请）图里包含了详细的办理步骤和时间节点，供参考。离职前参考59 廿陆畵生（TimeSeeker）发布了一篇小红书笔记，快来看吧！ 😆 ijr675P6njmIYwQ 😆 http://xhslink.com/vfMVxT，复制本条信息，打开【小红书】App查看精彩内容！党组织关系转移 落户 公积金转移 人事档案转移  换工作那些事#

7.24 5'00 总结自己work的历史意义，是重要的，比如第一次对xxx做了yyy方向上的尝试。做了几十组实验，几百个case，两万个实验数据，十几万张可视化图片表明，权利还是均匀集中在少数几人互相制衡上好​​不管是票数分高低权重的团体投票选出的代表，还是人手一票少数服从多数选出来的代表，都没有直接丢弃一部分人的选票，基于少数人直接指定的效果好​​做查重二分类问题得出的结论和现实情况不谋而合？​​就好像 π 证明了先有党而后有国，比特数据证明了执行政的科学性？

7.23 5'11 有些话无人可说，有些人无话可说，有些事说亦白说。​​出个面试题：C、Java、Python、Golang、Rust、.sh、.bat 的可执行文件，开始运行后，在运行下一个命令前，修改后续逻辑，并且覆盖之前的文件，运行中的进程会不会响应实时修改后的逻辑？哪些会响应？

7.12 4'40 一个组产出最多的是组长，是管理，这个组不正常。​出一个小学数学应用题：在中国境内找1000个位置，使得任意两个位置都相距100公里以上，要怎么找，要花多久找到？最少相距1000公里，10000公里还能找到解么？在有解的前提下，一直增大这个最小相距距离，它的最大值可以到多少公里？假设10000公里有可行解，你又愿意花多少时间去寻解？一天？一月？一年？一生？​​中国境内有无数个位置，从无穷中找1000个位置，选法太多了，可以先采样100万个位置，再从中选1000个。如果找到了两个可行解，如何判断哪个解更好？可以去算这100万个位置到1000个位置里最近位置的距离，这100万个距离的平均值最小是多少？这100万个距离里最大的那个的最小值是多少？这100万个距离的方差可以降到多少？这三个评价角度互相冲突时应该先信哪一个或哪两个？如果有个位置和1000个位置里的10个位置的距离完全一样，而且都是最小值，那归类到哪一个位置效果更好？​​当从100万个位置里找到了满意的互相相距1万公里以上的1000个位置，有没有必要再从200万个位置里找1000个位置？如果又找到了，那还要不要继续取400万个，800万个位置？增加到多少是个头？可行解离追求的完美解还差多少？等等，什么是完美？又有多大的把握或者概率或者置信度认为可行解与完美解的效果或者距离或者差距小于0.1%？如果在允许时间内最多只能在800万个位置里找1000个相距1万公里以上的位置，那评估解的质量时可不可以用1千万个位置，5000万个位置去评估呢？会不会更能测出解的质量到底有多高？寻道难，不够难。如果不是选1000个位置呢？选1万个，10万，100万个位置，以上问题又何解？选多少个位置更好呢？难上加难，强人所难。​​公司管理和数学有关吗？   

太惨了，待了十三小时跑回家后还得去一趟公司，还没单车7.11 6'15 两周时间，从0到1搭建测试环境，把一个需要执行666天的完整评测任务加速到13h，增量测试用例1分钟，至此，已成艺术。Java ConcurrentHashMap contains 函数居然是判断有没有值，要用containsKey 才是判断键，而HashMap有明确的containsValue函数。入职一个月，写了32k字文档。​​实现了六个策略，剩下几十个，越实现反而越多，只好先测了下，好像有点效果，搞了半个月终于有可对比指标了，前半个月的还没搭环境，不知道怎样。​​[em]e400748[/em]不见了，现在回公司拿钥匙

7.9 4'55 Java 做循环展开有用吗？昨晚下班前临时码了十分钟代码，一顿编码一时爽，以为向前兼容，不影响之前的功能，结果今早一来再跑遇到一堆问题，回滚都不行，查了一上午bug，一度以为硬盘坏了。最终发现是把一个null传给switch抛异常了... 如果继续编码实现完后不会传null也就不会发现这个隐藏风险了，也算是一个边开发边测试的缺点

【为人民服务】写了个爬取 国防科技大学所有计算机博导 联系方式 的脚本代码和数据都已共享：https://github.com/shiwanghua/SharedFiles/blob/main/%E6%95%B0%E6%8D%AE%E5%A4%84%E7%90%86/%E7%88%AC%E5%8F%96%E5%8D%9A%E5%AF%BC%E4%BF%A1%E6%81%AF/get_web_page.ipynb1. 都是公开信息2. 在网页上要一个个点击进去，不方便，所以直接拿到这批 url get下来就行了3. py 数据处理，实现糙，搞出来就行​4. 工作写了半年python，学以致用

7.4 5'17 第1501天。吹灭读书灯，一身白月光。设计了一种通用的参数联调方法。设参数 e 用于调节程序的效果、能力，e 越大效果越好、解决复杂问题的能力越强，设参数 c 用于调节评测程序效果时测试样例的覆盖率，即用于测试的输入的种数占程序所有可能输入的占比，c 越大代表测试出来的程序效果的可信度越强。二者很大时都可能导致程序耗时太久，算不完。可以先尽可能地减小 c、增大 e，针对一个很难的问题，得到一个质量尽可能高的解，然后基于这个解去做效果验证，尽可能地增大 c，测试这个解的质量到底有多高。

7.3 4'35 据我所知，我对现在什么情况一无所知。本来有三个问题，在设计之初没考虑到，导致程序很慢，可能要花三四天解决，要大改，实现起来还比较复杂，流程也更长了，数据处理很繁琐，容易出错。花了一天解决第一个问题，代码写完一测发现行不通，思路就错了。​​于是想到一个解决措施，发现实现起来简单多了，不会引入额外复杂性，反而简化了原始任务，速度更快了，不容易出错，顺带还可以把第二三个问题一并解决。

每一个作品都有它的理想读者。时间：230330-240607    在司是指到工位 到 离开工位的时间间隔    实际工作时长是用番茄ToDo app 一点一点记录的，不包括吃饭午睡上厕所打水等等。    上班天数不包括周末去公司。    到达时间，离开时间，时长还可以画三个折线图    目前已辞职回长沙工作了17天。     

6.26 5'41 人类把最精密的保密系统，都用在了彼此毁灭之上。把一个2的64次方的近似算法剪成了2的42次方的复杂度（实际还会有一个常量级的递减），在12分钟内，把一种之前24小时都证不出来的可能性，给证伪了。​​事实证明，把可能证伪，把不可能证明，都很难。​​天天在秒出结果和永远算不完之间来回横跳，一个参数稍微加一就可能是一辈子的事，少一就可能达不到最佳效果，不能充分利用算力，很少遇到几十分钟到小几小时能跑完的情况，还没找到舒适区。

2024-06-21 晚饭随笔之设计与转化C++飞船运算符一觉醒来，dump了一个梦里的理想L1子空间划分方案，非常简单，​却可以证明均等大小划分，还可以证明距离的上界，但也证明了不是完美的，有待实验。​0-255​16，48，80，112，144，176，208，240​​在教学的过程中发现了对问题定义上的错误，对问题本质理解把握得更透彻了，然后在写复盘文档、总结教训的过程中找到了解决方法，这就是想当老师的原因吧。​昨晚跑步时的L1均值问题简化成了这样一个子问题：如何用位运算把二进制数里一半的1反转为0？除了先求出1的个数，除以2，然后暴力循环一次次把最低位的1用i＆(i-1)变成0在位数较少时可以直接查表！晚饭后，进而把这一方法和 PQ 码表联系起来，应用到前面子空间划分方案中，于是把L1距离计算给优化掉了，只有最后做后过滤精确查找时才需要计算了。

6.20 4'40 笨的问题往往需要顿悟来理解。一个不成熟也不大胆的想法偶发：把 PQ ANN 索引和多级 hash 报文分类索引结合起来，应用于第三个领域会发生什么，合芯竟然是给质心编号。ivf 也可以套在前面。​没想到 ivfpq 里也有 rag rerank 的思想。跑步时又遇到一个问题，L1空间做聚类训练时怎么取均值？000000和111111，求和平均值是011111，距离是5和1，应该不合理，最后应该是000111或者010101这种，离二者距离都是3。​​