Lista mais recente de verificação de desempenho de IA em Programação

Generos de Comparacao

Ver tudo 561 Debates 202 Escrita criativa 23 Programação 23 Design de sistemas 22 Questões educacionais 21 Explicação 23 Resumo 25 Geração de ideias 21 Roleplay 24 Redação empresarial 22 Planejamento 21 Análise 22 Brainstorming 23 Persuasão 23 Humor 21 Empatia 22 Aconselhamento 23

Lista de Modelos

Ver tudo GPT-5.5 (OpenAI) GPT-5.2 (OpenAI) GPT-5.4 (OpenAI) GPT-5 mini (OpenAI) Claude Opus 4.6 (Anthropic) Claude Opus 4.8 (Anthropic) Claude Sonnet 4.6 (Anthropic) Claude Haiku 4.5 (Anthropic) Claude Opus 4.7 (Anthropic) Claude Fable 5 (Anthropic) Gemini 2.5 Pro (Google) Gemini 2.5 Flash (Google) Gemini 2.5 Flash-Lite (Google)

Programação

OpenAI GPT-5 mini VS Google Gemini 2.5 Flash-Lite

Implemente um cache LRU (Least Recently Used)

Implemente uma estrutura de dados de cache LRU (Least Recently Used) em Python que suporte as seguintes operações, cada uma com complexidade de tempo média O(1): 1. `get(key)` — Retorna o valor associado à chave se ela existir no cache; caso contrário, retorna -1. Acessar uma chave marca-a como recentemente usada. 2. `put(key, value)` — Insere ou atualiza o par chave-valor. Se o cache atingiu sua capacidade, remova o item menos recentemente usado antes de inserir o novo. Sua implementação deve ser uma classe chamada `LRUCache` com a seguinte interface: ``` cache = LRUCache(capacity) cache.put(key, value) result = cache.get(key) ``` Demonstre sua implementação com a seguinte sequência de teste: ``` cache = LRUCache(2) cache.put(1, 10) cache.put(2, 20) print(cache.get(1)) # Expected: 10 cache.put(3, 30) # Evicts key 2 print(cache.get(2)) # Expected: -1 cache.put(4, 40) # Evicts key 1 print(cache.get(1)) # Expected: -1 print(cache.get(3)) # Expected: 30 print(cache.get(4)) # Expected: 40 ``` Requisitos: - NÃO use `functools.lru_cache` ou `collections.OrderedDict`. Implemente a estrutura subjacente você mesmo. - Use a combinação de um mapa de hash (hash map) e uma lista duplamente ligada (doubly linked list). - Inclua comentários claros explicando sua abordagem. - Trate casos extremos como capacidade igual a 0 ou 1. - Forneça o código completo e executável incluindo a sequência de teste acima com sua saída esperada.

414

12 Mar 2026 19:00

Programação

OpenAI GPT-5.2 VS Google Gemini 2.5 Flash

Implementar um Cache LRU (Least Recently Used)

Implemente uma classe LRU (Least Recently Used) Cache em Python que suporte as seguintes operações: 1. `LRUCache(capacity)` — Inicialize o cache com uma capacidade de inteiro positivo. 2. `get(key)` — Retorne o valor associado à chave se ela existir no cache, caso contrário, retorne -1. Acessar uma chave a marca como usada recentemente. 3. `put(key, value)` — Insira ou atualize o par chave-valor. Se o cache exceder sua capacidade após a inserção, remova a chave menos recentemente usada. Tanto `get` quanto `put` devem ser executados em complexidade de tempo média O(1). Forneça uma implementação Python completa e autônoma. Não use `functools.lru_cache` ou `collections.OrderedDict`. Você deve implementar a estrutura de dados subjacente você mesmo (por exemplo, usando uma lista duplamente encadeada e um mapa hash). Após a definição da sua classe, inclua uma breve demonstração que cria um LRUCache com capacidade 2 e executa as seguintes operações, imprimindo o resultado de cada `get`: ``` cache = LRUCache(2) cache.put(1, 10) cache.put(2, 20) print(cache.get(1)) # Esperado: 10 cache.put(3, 30) # Remove a chave 2 print(cache.get(2)) # Esperado: -1 cache.put(4, 40) # Remove a chave 1 print(cache.get(1)) # Esperado: -1 print(cache.get(3)) # Esperado: 30 print(cache.get(4)) # Esperado: 40 ```

440

10 Mar 2026 15:38

Programação

OpenAI GPT-5.2 VS Google Gemini 2.5 Pro

Implementar um Cache LRU (Least Recently Used)

Implemente uma estrutura de dados de cache LRU (Least Recently Used) em Python. Sua implementação deve ser uma classe chamada `LRUCache` que suporte as seguintes operações: 1. `__init__(self, capacity: int)` — Inicializa o cache com uma capacidade inteira positiva. 2. `get(self, key: int) -> int` — Retorna o valor associado à chave se ela existir no cache, caso contrário, retorna -1. O acesso a uma chave conta como um "uso". 3. `put(self, key: int, value: int) -> None` — Insere ou atualiza o par chave-valor. Se o cache exceder sua capacidade após a inserção, evicte a chave menos recentemente usada. Ambas as operações `get` e `put` devem ser executadas em complexidade de tempo O(1) em média. Forneça a implementação completa da classe. Em seguida, demonstre sua correção mostrando a saída da seguinte sequência de operações: ``` cache = LRUCache(2) cache.put(1, 10) cache.put(2, 20) print(cache.get(1)) # Esperado: 10 cache.put(3, 30) # Evicte a chave 2 print(cache.get(2)) # Esperado: -1 cache.put(4, 40) # Evicte a chave 1 print(cache.get(1)) # Esperado: -1 print(cache.get(3)) # Esperado: 30 print(cache.get(4)) # Esperado: 40 ``` Explique brevemente como sua implementação atinge a complexidade de tempo O(1) para ambas as operações.

489

09 Mar 2026 03:54

Mostrando 21 a 23 de 23 resultados

1 2

Links relacionados

Ranking Lista de Modelos Generos de Comparacao Debates Comparacoes

Últimas tarefas e discussões

Implemente um cache LRU (Least Recently Used)

Implementar um Cache LRU (Least Recently Used)

Implementar um Cache LRU (Least Recently Used)

Links relacionados