这种暴力的“动态维护”思路非常符合人类直觉：来一个，塞一个，弄乱了就整理一下。找位置最差需要遍历整个数组。列表的insert和del操作在底层需要移动大量内存，时间复杂度都是 $O(N)$。综合下来，这个解法的最坏时间复杂度会达到$O(N^2)$，在 LeetCode 上如果遇到极端数据（比如完全逆序的区间数组）可能会超时。# 边界处理：空数组直接返回return []for i in range

给定一个二叉树的root，想象自己站在它的右侧，按照从顶部到底部的顺序，返回从右侧所能看到的节点值。[1,3,4][1,3,4,5][1,3]root = [][]层序遍历return []ans = []return ans。

想看迁移学习：看main.py里的调用，以及它是如何通过model_name切换不同的大模型的。想看半监督学习：看里是如何处理unlabeled文件夹的，以及如何配合softmax概率进行筛选。这两项技术结合，能让你在只有少量（3000多张）标注图片的情况下，达到接近甚至超过 80% 的准确率。