Orivel Orivel
Menue oeffnen

Neueste Aufgaben und Diskussionen

Durchsuche die neuesten Benchmark-Inhalte fuer Aufgaben und Diskussionen. Wechsle nach Genre, um gezielt zu vergleichen.

Vergleichsgenres

Modelluebersicht

Systemdesign

OpenAI GPT-5.2 VS Google Gemini 2.5 Pro

Entwerfen Sie einen URL-Kürzungsdienst

Entwerfen Sie einen URL-Kürzungsdienst, der bit.ly oder TinyURL ähnelt. Ihr Entwurf sollte die folgenden Aspekte berücksichtigen: 1. **Funktionale Anforderungen**: Welche Kernfunktionen muss der Dienst unterstützen? Berücksichtigen Sie URL-Erstellung, Weiterleitung, Ablauf und Analysen. 2. **Hochrangige Architektur**: Beschreiben Sie die Hauptkomponenten des Systems (z. B. API-Schicht, Anwendungsserver, Datenbanken, Caches, Load Balancer). Erklären Sie, wie sie interagieren. 3. **URL-Kodierungsstrategie**: Wie werden kurze, eindeutige Schlüssel für jede URL generiert? Diskutieren Sie Ihren Ansatz (z. B. Hashing, Base62-Kodierung, vorab generierter Schlüssel-Dienst) und wie Sie Kollisionen behandeln. 4. **Datenbankdesign**: Welche Datenbank(en) würden Sie verwenden und warum? Geben Sie das Schema für die Kern-Tabelle(n) an. Diskutieren Sie die Kompromisse zwischen SQL und NoSQL für diesen Anwendungsfall. 5. **Skalierbarkeit und Leistung**: Wie würden Sie hohen Leseverkehr (z. B. Millionen von Weiterleitungen pro Tag) bewältigen? Diskutieren Sie Caching-Strategien, Datenbankpartitionierung oder Sharding und Read Replicas. 6. **Zuverlässigkeit und Verfügbarkeit**: Wie stellen Sie sicher, dass der Dienst bei einem Ausfall einer Komponente verfügbar bleibt? Diskutieren Sie Redundanz, Replikation und Failover-Strategien. 7. **Ratenbegrenzung und Missbrauchsprävention**: Wie würden Sie Missbrauch des Dienstes verhindern? Stellen Sie einen klaren, gut strukturierten Plan bereit, den ein erfahrener Ingenieur als Ausgangspunkt für die Implementierung verwenden kann. Fügen Sie grobe Kapazitätsschätzungen unter Annahme von 100 Millionen neuen URLs pro Monat und einem Lese-/Schreibverhältnis von 100:1 hinzu.

78
11 Mar 2026 17:55

Programmierung

OpenAI GPT-5.2 VS Google Gemini 2.5 Flash

Implementierung eines Least Recently Used (LRU) Caches

Implementieren Sie eine LRU (Least Recently Used) Cache-Klasse in Python, die die folgenden Operationen unterstützt: 1. `LRUCache(capacity)` — Initialisieren Sie den Cache mit einer positiven Ganzzahlkapazität. 2. `get(key)` — Geben Sie den Wert zurück, der dem Schlüssel zugeordnet ist, wenn er im Cache vorhanden ist, andernfalls geben Sie -1 zurück. Der Zugriff auf einen Schlüssel markiert ihn als kürzlich verwendet. 3. `put(key, value)` — Fügen Sie ein Schlüssel-Wert-Paar ein oder aktualisieren Sie es. Wenn der Cache nach dem Einfügen seine Kapazität überschreitet, verwerfen Sie den am wenigsten kürzlich verwendeten Schlüssel. Sowohl `get` als auch `put` müssen eine durchschnittliche Zeitkomplexität von O(1) aufweisen. Stellen Sie eine vollständige, in sich geschlossene Python-Implementierung bereit. Verwenden Sie nicht `functools.lru_cache` oder `collections.OrderedDict`. Sie sollten die zugrunde liegende Datenstruktur selbst implementieren (z. B. unter Verwendung einer doppelt verketteten Liste und einer Hash-Map). Fügen Sie nach Ihrer Klassendefinition eine kurze Demonstration ein, die einen LRUCache mit der Kapazität 2 erstellt und die folgenden Operationen ausführt, wobei das Ergebnis jedes `get` ausgegeben wird: ``` cache = LRUCache(2) cache.put(1, 10) cache.put(2, 20) print(cache.get(1)) # Erwartet: 10 cache.put(3, 30) # Verwirft Schlüssel 2 print(cache.get(2)) # Erwartet: -1 cache.put(4, 40) # Verwirft Schlüssel 1 print(cache.get(1)) # Erwartet: -1 print(cache.get(3)) # Erwartet: 30 print(cache.get(4)) # Erwartet: 40 ```

92
10 Mar 2026 15:38

Geschäftstexte

OpenAI GPT-5.2 VS Google Gemini 2.5 Flash

Umstrukturierung einer schlecht geschriebenen Geschäftse-Mail

Unten finden Sie eine schlecht geschriebene E-Mail von einem regionalen Vertriebsleiter an die Geschäftsleitung. Die E-Mail versucht, ein neues vierteljährliches Anreizprogramm für das Verkaufsteam vorzuschlagen, leidet jedoch unter zahlreichen Problemen: unklare Struktur, informeller Ton, vergrabene Schlüsselinformationen, fehlende Handlungsaufforderung und mangelnde Darstellung unterstützender Daten. Schreiben Sie diese E-Mail so um, dass sie professionell, gut strukturiert, überzeugend und für ein Führungspublikum geeignet ist. Ihre umgeschriebene Version sollte alle sachlichen Inhalte aus dem Original beibehalten, sie aber effektiv präsentieren. Fügen Sie eine klare Betreffzeile hinzu. --- Original-E-Mail: "Hey Team, ich habe eine Weile darüber nachgedacht und mit ein paar Leuten aus meinem Team gesprochen, und im Grunde denken wir, dass wir etwas an der Anreizstruktur ändern sollten, denn ehrlich gesagt funktioniert sie nicht mehr wirklich. Letztes Quartal haben wir nur 78 % des Ziels erreicht, was ungefähr das Schlechteste seit 3 Jahren ist, und ich glaube, ein Teil des Grundes ist, dass die Leute nicht genug motiviert sind. Sarah und Jake sagten mir beide, dass sie sich die Bonusstruktur nicht mehr ansehen, weil sie zu kompliziert ist und die Auszahlungen zu gering sind, um etwas zu bewirken. Was ich vorschlagen möchte, ist ein gestaffeltes System, bei dem man bei 100 % 5 % Bonus erhält, bei 110 % 8 % und bei 120 %+ 12 %. Im Moment bekommt jeder pauschal 3 %, unabhängig davon, was niemanden wirklich antreibt. Ich habe einige Zahlen durchgerechnet und wenn wir dies letztes Quartal eingeführt hätten und es selbst 30 % des Teams motiviert hätte, 110 %+ zu erreichen, hätten wir unser Ziel von 4,2 Mio. USD um etwa 380.000 USD übertroffen, was die zusätzlichen Bonuskosten von rund 95.000 USD mehr als deckt. Ich denke auch, dass wir nicht nur vierteljährliche, sondern auch monatliche Anerkennungen einführen sollten, da die Leute die Ziele vergessen, wenn sie 3 Monate entfernt sind. Vielleicht eine Rangliste oder so etwas. Wie auch immer, lasst mich wissen, was ihr denkt, würde es gerne beim nächsten Führungstreffen besprechen, wenn möglich. Danke Mike"

92
09 Mar 2026 16:19

Programmierung

OpenAI GPT-5.2 VS Google Gemini 2.5 Pro

Implementierung eines Least Recently Used (LRU) Caches

Implementieren Sie eine LRU (Least Recently Used) Cache-Datenstruktur in Python. Ihre Implementierung sollte eine Klasse namens `LRUCache` sein, die die folgenden Operationen unterstützt: 1. `__init__(self, capacity: int)` — Initialisieren Sie den Cache mit einer positiven Ganzzahl-Kapazität. 2. `get(self, key: int) -> int` — Geben Sie den Wert zurück, der dem Schlüssel zugeordnet ist, falls er im Cache vorhanden ist, andernfalls geben Sie -1 zurück. Der Zugriff auf einen Schlüssel zählt als "Verwendung". 3. `put(self, key: int, value: int) -> None` — Fügen Sie das Schlüssel-Wert-Paar ein oder aktualisieren Sie es. Wenn der Cache nach der Einfügung seine Kapazität überschreitet, verwerfen Sie den am wenigsten zuletzt verwendeten Schlüssel. Sowohl `get` als auch `put` müssen in einer durchschnittlichen Zeitkomplexität von O(1) laufen. Stellen Sie die vollständige Klassenimplementierung bereit. Demonstrieren Sie dann seine Korrektheit, indem Sie die Ausgabe der folgenden Sequenz von Operationen zeigen: ``` cache = LRUCache(2) cache.put(1, 10) cache.put(2, 20) print(cache.get(1)) # Erwartet: 10 cache.put(3, 30) # Verwirft Schlüssel 2 print(cache.get(2)) # Erwartet: -1 cache.put(4, 40) # Verwirft Schlüssel 1 print(cache.get(1)) # Erwartet: -1 print(cache.get(3)) # Erwartet: 30 print(cache.get(4)) # Erwartet: 40 ``` Erklären Sie kurz, wie Ihre Implementierung eine O(1) Zeitkomplexität für beide Operationen erreicht.

151
09 Mar 2026 03:54

61 bis 74 von 74 Ergebnissen

Verwandte Links

X f L