mxt.log
CONTEST LOG / KEEP ITERATING

竞赛经历

排名只是快照，真正值得留下的是问题拆解、实验设计、失败路径，以及下一次可以复用的方法。

01 / CODEFORCES LOG

刷题成长记录

账号 InsaneArrogant 的公开训练数据。AC 题目按题目去重，数据每天自动同步一次。

每日自动同步最近同步：2026年8月7日 11:23 · 数据正常
刷新页面运行更新 ↗
PUBLIC PROFILEInsaneArrogant ↗
newbieRating 863 · Max 863

Jiangly Fan Club

232
已通过题目
263
AC 提交
22
Rated 场次
127
活跃天数

Last sync · 2026年8月7日 11:23

RATING HISTORY

比赛 Rating 走势

2022 — 2024

查看逐场 Rating 数据
日期比赛排名Rating变化
2024/2/20Codeforces Round 928 (Div. 4)11835863+64
2024/2/14Codeforces Round 925 (Div. 3)13915799+79
2023/10/22Codeforces Round 905 (Div. 3)10381720-32
2023/9/27Codeforces Round 900 (Div. 3)18306752-32
2023/9/26Codeforces Round 899 (Div. 2)10768784+53
2023/6/7Codeforces Round 878 (Div. 3)13347731-4
2023/3/27Codeforces Round 860 (Div. 2)9193735+55
2022/12/19Codeforces Round 839 (Div. 3)12000680-36
2022/11/22Codeforces Round 835 (Div. 4)8741716+133
2022/10/14Codeforces Round 827 (Div. 4)12660583+127
2022/10/11Codeforces Round 825 (Div. 2)12661456-89
2022/9/13Codeforces Round 820 (Div. 3)17252545-96
2022/9/3Codeforces Round 818 (Div. 2)9248641-93
2022/8/31Codeforces Round 817 (Div. 4)17099734-56
2022/7/13Codeforces Round 806 (Div. 4)10798790+43
2022/6/15Codeforces Round 799 (Div. 4)16692747-54
2022/5/20Codeforces Round 792 (Div. 1 + Div. 2)11627801-4
2022/5/14Educational Codeforces Round 128 (Rated for Div. 2)11395805-8
2022/5/11Codeforces Round 790 (Div. 4)14194813+59
2022/5/6Codeforces Round 787 (Div. 3)11411754+160
2022/5/3Codeforces Round 786 (Div. 3)11481594+234
2022/4/22Codeforces Round 784 (Div. 4)15965360+360
DIFFICULTY

已通过题目难度

800–999
131
1000–1199
59
1200–1399
25
1400–1599
11
1600–1799
4
1800–1999
0
2000+
0
TOP TAGS

常练知识点

implementation 138greedy 62math 61brute force 46strings 35sortings 34constructive algorithms 25dp 10

统计基于去重后的 AC 题目；无 Rating 的题目不会进入难度分布。

02 / AI COMPETITIONS

AI 竞赛经历

每场比赛集中展示任务介绍、实践状态和提交时间轴；按时间保留改进策略、分数变化与实验结论。

6
AI 竞赛与实践
5
包含提交时间轴
17
记录的提交与实验
3
竞赛平台
6 条记录
2026/07/21
Kaggle
SUBMISSION TRACKED

kaggle_s6e7_Predicting Student Health Risk

kaggle表格赛学习记录

#Kaggle#分类#预测
2
提交
0.64456
最佳
0.64456
最新
展开记录收起记录 ↓
提交明细 / RMSE
完整复盘 →

  1. 第一次提交

    0.62566

    提交 submission1.csv，提交baseline

    平台已返回分数，作为后续实验的对照结果。

  2. 第二次提交

    0.64456+0.01890

    提交 submission2.csv，修改epochs为20

    得分比第一次高，修改了训练轮次之后有明显进步
2026/07/16
科大讯飞 AI 开发者大赛
SUBMISSION TRACKED

Datawhale 2026 夏季实训：基于现场 LIBS 光谱的煤炭弹筒发热量预测

记录科大讯飞 AI 开发者大赛 LIBS 光谱回归赛题的任务、评估方式，以及 2026 年 7 月 16 日的两次真实提交结果。

#Datawhale#科大讯飞#LIBS#回归
4
提交
261.48212
最佳
261.48212
最新
展开记录收起记录 ↓
提交明细 / RMSE
完整复盘 →

  1. 第一次提交

    278.50460

    提交 submit1.zip，平台返回首个可用于比较的线上结果。

    平台已返回分数，作为后续实验的对照结果。

  2. 第二次提交

    280.53604+2.03144

    提交 submit2.zip，平台完成评测并返回第二个线上结果。

    RMSE 比第一次高 2.03144，结果回退；现有记录不足以把变化归因于某个具体改动。

  3. STAGE2修改

    280.08222-0.45382

    修改feature.py

    RMSE 全局CV-RMSE：153.69

  4. STAGE2修改

    261.48212-18.60010

    Stage1：RidgeCV Stage2：RidgeCV（CV和最终模型一致）辅助指标增强权重 ×3辅助指标物理范围裁剪保留 Group CV保留小批次 shrinkage修复 LightGBM 导致 CV 偏差问题

    RMSE 全局CV-RMSE：153.69
2026/07/16
科大讯飞 AI 开发者大赛
SUBMISSION TRACKED

Datawhale 2026 夏季实训：多模态语音识别

记录关键词检测挑战赛的参赛阶段、提交策略、平台分数变化与赛后复盘。

#Datawhale#科大讯飞#多模态#语音识别
3
提交
0.69190
最佳
0.64456
最新
展开记录收起记录 ↓
提交明细 / RMSE
完整复盘 →

  1. 第一次提交

    0.62566

    提交 submission1.csv，提交baseline

    平台已返回分数，作为后续实验的对照结果。

  2. 第三次提交

    0.69190+0.06624

    提交 submission2.csv，修改epochs为20，调整正负样本权重为0.5，并且使用全量数据集

    得分再次上涨

  3. 第二次提交

    0.64456-0.04734

    提交 submission2.csv，修改epochs为20

    得分比第一次高，修改了训练轮次之后有明显进步
2023/09/02
天池 / Datawhale
PRACTICE LOG

天池量化赛道：拆解一个 Baseline 的工程结构

从数据读取、交叉验证、CatBoost 到并行实验，理解竞赛 Baseline 各模块的职责。

#天池#CatBoost#交叉验证
—
提交
—
最佳
—
最新
展开记录收起记录 ↓

这项实践暂未配置提交分数时间轴，完整过程与方法记录保存在复盘文章中。

阅读完整复盘 ↗
2023/08/06
Kaggle
SUBMISSION TRACKED

Kaggle 猫狗识别：从 CNN Baseline 到误差分析

在 Kaggle Notebook 中完成图像分类训练，记录数据增强、过拟合与评估过程。

#Kaggle#CNN#TensorFlow
4
提交
92.8%
最佳
92.8%
最新
展开记录收起记录 ↓
提交明细 / Val Accuracy示例数据
完整复盘 →

  1. CNN Baseline

    85.1%

    使用三层卷积与固定训练/验证划分，先获得可复现的基线结果。

  2. 数据增强

    88.9%+3.8%

    加入水平翻转、随机缩放与小幅旋转，降低对训练样本细节的记忆。

    训练准确率下降，但验证集泛化能力明显改善。

  3. Dropout 与 EarlyStopping

    91.6%+2.7%

    在分类头加入 Dropout，并根据验证损失提前停止训练。

  4. 错误样本驱动调整

    92.8%+1.2%

    检查高置信度误判，调整裁剪范围并减少会破坏主体的增强操作。

    以错误样本分析决定最后一次数据策略修改。
2023/07/09
Kaggle
SUBMISSION TRACKED

Kaggle Titanic：第一次完整走过表格竞赛流程

从缺失值、可视化与特征构造开始，建立一个可验证、可提交的分类 Baseline。

#Kaggle#特征工程#分类
4
提交
0.78468
最佳
0.78468
最新
展开记录收起记录 ↓
提交明细 / Public Score示例数据
完整复盘 →

  1. Logistic Regression Baseline

    0.76555

    对年龄与票价做中位数填充，编码性别和舱位等级，先验证完整提交流程。

    建立可复现的预处理 Pipeline，作为后续实验对照组。

  2. 加入称谓与家庭规模

    0.78229+0.01674

    从姓名中提取 Title，并构造 FamilySize 与 IsAlone 特征。

    新特征改善了家庭关系与社会身份信息的表达。

  3. Random Forest 参数调整

    0.77751-0.00478

    替换为随机森林并限制树深，尝试捕捉非线性关系。

    公开分下降，回到交叉验证重新检查模型方差。

  4. 验证驱动的小型集成

    0.78468+0.00717

    融合逻辑回归与随机森林概率，并只保留稳定提升的特征。

    最终方案优先保证本地验证与公开榜变化方向一致。
03 / ALGORITHM COMPETITIONS

算法竞赛经历

集中记录 Codeforces、LeetCode 等算法训练、赛后补题与题型归纳，不与 AI 实验提交时间轴混排。

2026/07/24
算法竞赛
Codeforces
持续中

2244_div3

展开复盘收起复盘 ↓

刷题

#贪心#字符串#算法竞赛
阅读完整复盘 ↗
2023/06/20
算法竞赛
LeetCode / Codeforces
持续训练

算法训练记录：从每日一题到可复用题型

展开复盘收起复盘 ↓

用持续训练、赛后补题和模板整理，把零散做题转化为稳定的问题识别能力。

#算法竞赛#LeetCode#Codeforces
阅读完整复盘 ↗
04 / UPCOMING

近期 Codeforces

数据由 GitHub Actions 定时更新，时间会按你的本地时区显示。