ARTS 1025: 唯一字符与同构字符串、省词可能增加阅读负担与重新估算软件的实现成本

每周完成一个 ARTS： 至少做一个 leetcode 的算法题、阅读并点评至少一篇英文技术文章、学习至少一个技术技巧、分享一篇有观点和思考的技术文章。（也就是 Algorithm、Review、Tips、Share 简称 ARTS）

Algorithm

这周因为都是简单难度的，所以来写两道算法题目：

1）第一道：LeetCode 387. 字符串中的第一个唯一字符

这道题目住要的办法就是，先用 Map 拿到每一个 Charecter 出现的次数，然后根据 map 记录的内容进行返回 index。这有一点需要注意：HashMap 不保证元素的遍历顺序与插入顺序一致。如果需要按照插入顺序遍历元素，可以使用 LinkedHashMap

▼
java
复制代码
class Solution {
    public int firstUniqChar(String s) {
        Map<Character, Integer> map = new HashMap<>();
        char[] chars = s.toCharArray();
        for (char c : chars) {
            map.merge(c, 1, Integer::sum);
        }
        for (int i = 0; i < chars.length; i++) {
            if (map.getOrDefault(chars[i], null) == null || map.get(chars[i]) > 1) {
                continue;
            }
            return i;
        }
        return -1;
    }

}

2）第二道：LeetCode 205. 同构字符串

有几点需要注意：

• 错误把“出现次数相同”当成了“同构”。不能只是单纯的判断，字母出现的数量进行对比。
• 只检查了映射的一致性，漏掉了映射的唯一性。如果一个 a -> b a -> a 这样也不是同构的，所以这里我们使用 Set 进行判断。

▼
java
复制代码
class Solution {
    public boolean isIsomorphic(String s, String t) {
        if (s.length() != t.length()) {
            return false;
        }

        Map<Character, Character> charMap = new HashMap<>();
        Set<Character> usedTargets = new HashSet<>();

        for (int i = 0; i < s.length(); i++) {
            char sC = s.charAt(i);
            char tC = t.charAt(i);
            Character mapped = charMap.get(sC);

            if (mapped == null) {
                // tC 已经被其他字符使用，不能重复映射
                if (!usedTargets.add(tC)) {
                    return false;
                }
                charMap.put(sC, tC);
            } else if (mapped != tC) {
                return false;
            }
        }
        return true;
    }
}

Review

论文：Why is AI-generated language so hard to understand?

作者提出一个假说：训练中压缩信息的压力，可能让模型更偏爱紧凑、省词的表达。这些表达在语法上说得通，却可能让读者花更多精力判断词义、记住前文、补出句子里的关系。

1、阅读时，读者需要不断预测后文、记住前文。

看到一个词时，读者已经在结合上下文判断它的意思。论文引用的心理语言学研究发现，越难预测的词，通常需要越长的阅读时间。词语搭配不常见，读者就更难顺着前文理解下去。

记忆也会影响阅读。如果主语和对应的动词隔得很远，读到动词时，就得找回前面的主语，再把两者联系起来。相互关联的词之间隔了多远，称为「依存距离」。一句话里需要暂时记住的信息越多，理解起来就越费力。所以，判断句子是否好读，不能只看字数，还要看读到哪里才能确定它在说什么。

2、论文检查了六类可能增加阅读负担的表达。

下面结合例子说明，其中的中文例子是为帮助理解补充的。

罕见的词语搭配，可能让人每个词都认识，连起来却不熟悉。例如，论文开头的 reader-patience budget，字面上是「读者耐心预算」。读者需要先理解这里把耐心比作一种会被消耗的预算，才能明白整个词组。写成「读者愿意花多少耐心读下去」，含义就直接一些。

长距离依存，会让读者更久地记住还没读完整的内容。例如，「负责处理缓存失效后大量请求同时访问数据库问题的服务需要重启」，读到「服务」时，才知道前面一大段都在修饰它，接着还得把它和「需要重启」联系起来。可以拆成：「这个服务负责处理缓存失效后大量请求同时访问数据库的问题。现在需要重启它。」先交代服务的用途，再说要做什么，读者就不用把整串修饰语一直记到句尾。

宾语关系从句中的省略，可能让句子少一些结构提示。例如，The patch the engineer reviewed failed. 的意思是「工程师审查过的补丁失败了」。句子的主干是 The patch failed.，中间的从句说明补丁被谁审查过，the patch 是 reviewed 的宾语。写成 The patch that the engineer reviewed failed.，多出的 that 标出了从句的开始。省去它也符合语法，但读者需要更依赖后文来判断结构。相关研究发现，人类会根据后续内容是否容易预测，决定要不要省略这类词。

名词堆叠，会省去概念之间的关系。例如，「缓存失效回源并发保护策略」把几个概念连在一起，读者需要自己判断哪些是条件、动作和目的。可以展开成：「缓存失效后，请求会访问数据库。为避免大量请求同时回源，可以限制同时回源的请求数。」多出来的文字，把原来需要读者推断的关系写了出来。

名词转动词，也能把原本需要几个词说明的动作缩短。例如，把表示日历的 calendar 当作动词，就可以表达「把某件事记入日历」。这类用法依赖说话者和读者对情境的共同理解。如果上下文不够充分，读者就得先猜这个词在当前句子里指什么动作。

还有一类是让没有生命的事物去做通常由人或动物完成的动作。例如，论文中的 this asymmetry bites，需要把「咬」理解成「造成问题」。在技术说明中，仅写「这个不对称性会反咬一口」，读者还得继续追问它具体影响什么。直接说明它会导致什么错误，更方便判断影响范围。名词转动词和拟人表达都可以正常使用，是否难读，还取决于读者对这种用法的熟悉程度，以及上下文是否充分。

3、训练目标可能强化了这些表达偏好。

作者推测，数学、代码等后训练任务可以奖励答案正确，却未必奖励读者是否容易理解。再加上上下文长度和 token 成本的限制，模型可能逐渐偏向用更少的词表达更多信息。

放到文档里看，省掉连接词、把动作写成名词、把背景放进一长串修饰语，确实可能缩短输出。但条件和因果关系不会因此消失，它们只是需要读者自己还原。对模型来说省下了词，对读者来说却可能多了一步推断。

人类的表达会随语境调整：容易预测的内容可以省略，新信息多的地方则需要更多提示。前面是否保留 that 的例子，就说明了这种取舍。省略是否合适，要看读者能不能顺着上下文理解下去。

对我们的启发就是，在写技术笔记时，可以留意那些需要读者自己补全的地方：主语是否明确，修饰语能否拆开，几个名词之间是什么关系，隐喻具体指什么行为和结果。让 AI 润色时，也可以要求保留条件和因果关系，再根据读者已有的知识，决定哪些内容可以省略。

Tips

1、macOS 使用 FineTune 可以管理不同软件得声音，非常实用。开源地址： https://github.com/ronitsingh10/FineTune

2、epub 阅读器，可以使用这个开源项目：https://github.com/readest/readest

3、继续学习 Rust 相关的内容，学到 Lifetimes 了，继续冲

Share

文章：We should be more ambitious with the software we build

Dan Luu 提出了一个值得重新考虑的问题：有了 AI 编程工具之后，哪些过去因为成本太高而放弃的事情，现在已经值得做了？他更倾向于说「可以更有野心」，因为工具能力的变化，让开发者有机会尝试以前做不起的软件。

1、判断一个项目值不值得做，需要重新估算实现成本。

过去，嫌编译慢就自己改编译器，嫌搜索慢就自己写正则引擎，通常意味着投入大量时间，还可能耽误原本要完成的工作。因此，优先使用现成工具、避免重复造轮子，是很合理的选择。

但 Dan Luu 发现，有些判断已经需要更新。他针对自己的使用场景，尝试了正则引擎、ripgrep 分支和 Rust 编译加速等项目，投入的个人时间比过去少了很多。开发者可能还沿用着没有编程 Agent 时的成本估计，连试一下都觉得不划算。

这里也要保留作者给出的范围：这些工具主要达到了「自己能用」的程度，做成可靠的公共项目仍然需要更多工作，文中也没有提供完整、严谨的性能评测。这些经历更适合用来说明尝试的成本发生了变化，具体收益还要在实际场景中测量。

2、值得尝试的软件，也可以只解决一个很小的需求。

文章中有个例子很有意思：Dan Luu 一直想玩一款还原小说中太空战斗方式的游戏，但这种玩法很小众。过去，花十几个小时开发，再玩一两个小时，并不划算；当他只需要花几分钟安排 Agent 实现时，这件事就值得做了。

这种变化也适用于日常工具。比如，一个脚本只能省下每次几分钟的手动操作，过去因为开发和维护太麻烦，一直没有人写。现在可以先做一个范围很小的版本，用几次看看是否方便，再决定要不要继续完善。软件只供几个人使用，也可能有足够的价值。

3、项目能做得更大，验证也得跟得上。

Dan Luu 用 pgrust 数据库项目说明，有质量问题的 AI 项目很多，但认真测试的项目仍然能产生价值。按他的介绍，pgrust 的测试过程甚至找出了 PostgreSQL 本身的 Bug，即使这个项目最终没有成功，这些发现也能帮助已有软件改进。

不过，作者并没有得出「软件开发已经解决了」的结论。他发现，模型能实现的东西越来越多，但在缺少人工指导时，能够有效验证的范围没有同步跟上。尝试更复杂的项目之后，人仍然需要判断实现是否符合预期。