手贱拿大模型试了下最近一次的 LeetCode 周赛，道心破碎了，成仙路已断，前路在何方？

大可不必妄自菲薄，从你给的这几题来看，大模型训练的时候数据集里肯定有对应题解了，它只是原样背诵答案罢了。

「看到题目会写这个算法本身」值 1 块钱，「理解算法背后的思想」值 10 块钱，「实际工程中与人交流并设计架构，想到现实的独特场景可以转化成这个算法问题来解决」值 1000 块钱。

leetcode 的题还是偏简单了，对于现在的大模型来说小菜一碟

@w568w 我开始是拿 hot100 来试的，觉得能做出来是因为早就有题解了，所以后来我拿周赛来试，周赛都是新题现出的，类似于高考试卷有模式可寻但都是新题，我记得之前力扣周赛排名高的话好像可以大厂绿色通道面试速通，感觉可能会出现新的作弊赛道，哎大意了直接发论坛了。。。

你如果正经训练一下肯定比大模型厉害，人脑也是需要训练的

而且可以找找真正竞赛题让 ai 试试，几种算法的组合 ai 就不行了

@tcper 戳心了兄弟，我训练了，上学那会儿还专门刷过一段时间算法题，奈何资质愚钝。。。

拳头永远硬不过锤子，要学会使用工具。

@RoccoShi 第四道题能做出来，在码农里算法水平应该能算前 0.1% 。。。

@CC11001100 大模型的训练快多了。

不过说实话，我的确觉得 AI 代替部分码农的工作，不是很远的未来了。很可能大公司内部已经在做了。而且要命的是，码农还挺配合的。

很多朋友举的反例，我觉得都不是很大的问题。比如说需求不清楚 AI 也没办法。第一，需求不清楚，其实人也没办法，你还得继续交流，而交流的精准度和耐心，人未必比得上 AI ，第二，公司可以强制执行标准化需求，换句话说，与其让 AI 适应人，不如让人适应 AI 。

国内大厂我相信肯定有人在做了，就是不能说。我觉得首当其冲的大概就是数据分析，数据工程、前段这种直接面对业务（业务恨不得你们 24 小时相应），技术上又没啥特别难的东西。

R1 确实很猛，带思考的大模型做这种题只会越来越强，毕竟：结果可验证 + R1 指明了强化学习在推理 LLM 上的有效性，这俩一结合就能预估这种算法竞赛未来的 LLM 能打过所有人类就是和 alpha go 打败人类棋手一样自然的事情。

虽说如此，实际应用场景复杂得多，还要在 Agent 、超长记忆、持续学习这几个领域有所进步才行，现在的技术这几个方面是明显薄弱的。很期待未来的发展。

以后 leetcode 的分数就没意义了，因为你面对的都会是 AI 。以后面试看来默认需要手撕代码了。

积极拥抱变化寻找出路，不要再钻研代码细节。
（上回发了个 cursor 的帖子，还有人说我广告，时代都变了感觉 v2 有一帮冥顽不灵的人）

@CC11001100 你意思是自己刷一些题算训练了？你去看看 ACM 队员怎么训练的

@w568w 碳基生物何尝不是在背答案，效率还低。很多人一年半载再去刷 h100 又不会了。背到极致也算牛逼

想当年李世石柯洁输给阿尔法狗，岂不比楼主更加道心破碎。人家可都是实实在在的行业前 0.1%（不包括业余棋手）。

李世石没几年就宣布隐退了，理由是输给 AI 后，他再也无法享受围棋这项竞技。

柯洁则是一开始对 AI 各种冷嘲热讽，实战被吊打后则是破防嚎啕大哭。然后能明显感觉出来他对下棋越来越没有胜负欲，工作生活的重心也开始转移到围棋以外的地方。或许这就是我们这些“传统程序员”中一部分人的写照。

好在程序员这个职业的工作内容几乎不是“算法竞技”，现实场景的业务涉及到和形形色色的人、和其他（非计算机）系统的对接，这些目前看来还很难由 AI 独立搞定。

不过那些纯搞技术的“底层程序员”确实应该“睁眼看看世界”了，不然真的会被落在后面。我在 /t/1095887 #2 回复的后续，我们公司那帮老算法工程师在被 AI 降维打击一次后，现在也开始拥抱 AI ，用 LLM 辅助研究了。

高射炮打蚊子，别说大模型，我用搜索引擎也能达到同样的效果呀，这能说明什么问题呢？

你让大模型来试试高考题，应该连大专都不够分数。

周赛是给你练习速度和熟练度的，半个小时三道题就差不多了。你不能跟计算器比乘除法。

@majula #14
这个还不算底层。至少要到操作系统编译器这个层次，然后接触硬件啥的。AI 对于缺乏公开资料的东西还是不行，还能苟几年。

现在最强模型是 gemini-2.0-flash-thinking-exp-01-21
aistudio.google.com

@kk2syc #16 现在三巨头大模型有博士水平，但不能保证一次做对，需要抽卡，重试多次高考全部能拿下