처음이어도 괜찮아요 · 그림부터 시작해요
KOI subtask 제약 사다리
공개 subtask별 n·구조·언어 조건을 brute force→개선→full solution의 증거 사다리로 사용한다. 이를 생략하면 부분 점수 풀이를 full constraints 해결로 기록하거나 특정 언어 지원을 과장한다.에서도 그럴듯한 Big-O나 벤치마크 숫자는 만들 수 있지만 실행 가능한 선택과 반증 가능한 근거를 남길 수 없습니다.
아직 답을 몰라도 괜찮아요. 아래 작은 예시를 보고 먼저 예상해 보세요.01 · 가볍게 시작하기
정답을 보기 전에 먼저 골라볼까요?
cx69 · frozen n/q/U bounds · fixed seed · four scale points · one adversarial family- 1먼저 골라보기
틀려도 괜찮아요. 지금 생각한 답 하나를 정해요.
- 2그림으로 확인하기
움직이는 순서와 달라지는 곳만 천천히 찾아요.
- 3내 말로 다시 말하기
한 문장으로 말해 보면 내가 이해한 곳을 확인할 수 있어요.
02 · 그림으로 보기
그림이 움직이는 순서를 직접 확인해요
- 01관찰constraint ladder · partial score · full constraint
- 02추론공개 subtask별 n·구조·언어 조건을 brute force→개선→full solution의 증거 사다리로 사용한다. KOI subtask 제약 사다리의 결론은 입력 family와 primitive operation을 먼저 고정한 뒤 exact count·상한/하한·실측을 서로 다른 evidence로 연결한다. subtask constraint ledger와 solution progression는 부분 점수 풀이를 full constraints 해결로 기록하거나 특정 언어 지원을 과장한다. 반례를 포함하고 원자료·계산식·환경·사람 verdict를 재현 가능하게 남긴다. KOI 준비·학교 경시·부분 배점 평가로 전이할 때 semantics를 먼저 보존하고 time·space·I/O·energy budget이 달라지는 지점을 새로 계산한다.
- 03검증KOI subtask 제약 사다리의 입력 family·비용 단위·case·budget을 AI 없이 먼저 고정한다. 부분 점수 풀이를 full constraints 해결로 기록하거나 특정 언어 지원을 과장한다.를 최소 반례로 재현하고 최초 잘못된 가정과 판정 변화를 설명한다. exact count·점근 경계·실측 중 해당하는 evidence를 구분해 한 문제의 제약 단계마다 feasible class·반례·필요 개념을 연결한다.을 다시 실행한다. subtask constraint ledger와 solution progression와 사람의 accept·revise·reject 판정 및 잔여 한계를 함께 제출한다.
처음 보는 말도 책 읽듯 풀어봐요
이 수업은 쉬운 뜻과 생활 예를 아직 함께 준비하지 못했어요. 설명 없는 정확한 이름은 먼저 보여 주지 않을게요.
그림에서 찾을 쉬운 규칙
- 01공개 subtask별 n·구조·언어 조건을 brute force→개선→full solution의 증거 사다리로 사용한다.
- 02KOI subtask 제약 사다리의 결론은 입력 family와 primitive operation을 먼저 고정한 뒤 exact count·상한/하한·실측을 서로 다른 evidence로 연결한다.
- 03subtask constraint ledger와 solution progression는 부분 점수 풀이를 full constraints 해결로 기록하거나 특정 언어 지원을 과장한다. 반례를 포함하고 원자료·계산식·환경·사람 verdict를 재현 가능하게 남긴다.
- 04KOI 준비·학교 경시·부분 배점 평가로 전이할 때 semantics를 먼저 보존하고 time·space·I/O·energy budget이 달라지는 지점을 새로 계산한다.
03 · 같이 풀어보기
한 단계씩 따라가면 어렵지 않아요
KOI 준비·학교 경시·부분 배점 평가의 축소된 입력 family에서 KOI subtask 제약 사다리 판단을 수행한다.
cx69 · frozen n/q/U bounds · fixed seed · four scale points · one adversarial family04 · 이제 내가 해볼 차례
여기까지 오면 이런 일을 할 수 있어요
한 문제의 제약 단계마다 feasible class·반례·필요 개념을 연결한다.을 수행하고 subtask constraint ledger와 solution progression로 공개 subtask별 n·구조·언어 조건을 brute force→개선→full solution의 증거 사다리로 사용한다.을 독립 검증한다.
- KOI subtask 제약 사다리의 입력 family·비용 단위·case·budget을 AI 없이 먼저 고정한다.
- 부분 점수 풀이를 full constraints 해결로 기록하거나 특정 언어 지원을 과장한다.를 최소 반례로 재현하고 최초 잘못된 가정과 판정 변화를 설명한다.
- exact count·점근 경계·실측 중 해당하는 evidence를 구분해 한 문제의 제약 단계마다 feasible class·반례·필요 개념을 연결한다.을 다시 실행한다.
- subtask constraint ledger와 solution progression와 사람의 accept·revise·reject 판정 및 잔여 한계를 함께 제출한다.
05 · 자주 헷갈리는 지점
틀린 답도 이유를 알면 다음에는 맞힐 수 있어요
01constraint ladder 기호 하나만 쓰면 KOI subtask 제약 사다리 분석은 끝난다.
한 번 더 생각해 볼 질문KOI subtask 제약 사다리에서 같은 Big-O를 갖지만 실제 선택이 달라지는 두 조건을 쓰세요.
이렇게 고쳐 생각해요공개 subtask별 n·구조·언어 조건을 brute force→개선→full solution의 증거 사다리로 사용한다. 입력 family·비용 모델·case·상한/하한·예산을 함께 명시해야 같은 기호의 의미가 고정된다.
02한 번 더 빠르게 실행된 구현이 KOI subtask 제약 사다리 관점에서도 더 좋은 알고리즘이다.
한 번 더 생각해 볼 질문단일 측정값이 뒤집히는 최소 입력 family 또는 환경 교란을 제시하세요.
이렇게 고쳐 생각해요subtask constraint ledger와 solution progression는 이 환경의 관찰일 뿐이며 부분 점수 풀이를 full constraints 해결로 기록하거나 특정 언어 지원을 과장한다.와 입력 규모 변화에 대한 이론적 경계를 대신하지 않는다.
03AI가 만든 코드·복잡도 설명·테스트가 서로 일치하면 독립 검증은 생략해도 된다.
한 번 더 생각해 볼 질문AI 분석을 깨는 미공개 반례와 사람이 확인할 판정값을 쓰세요.
이렇게 고쳐 생각해요같은 생성 가정에서 나온 산출물은 함께 틀릴 수 있으므로 사람이 contract를 봉인하고 독립 반례와 비용 계수로 검증해야 한다.
06 · 더 궁금할 때만 보기