每日练习与编程练习

我会把任务拆成三层：收益建模、预算选择、批次构造。首先对每个样本 i 和教师 t 估计一个净收益 score(i,t)=E[student improvement]-λ1·cost(t,i)-λ2·risk(i,t)。E[student improvement] 可以由学生不确定性、历史同语言同噪声桶上的 teacher-student KL、教师 WER proxy、样本时长、语言稀缺度权重组成；risk 包括教师低置信、语言识别不确定、噪声 OOD、教师间分歧等。多教师冲突不直接平均，而是先做 teacher gating：对每个样本只保留 Pareto frontier 上的教师，即质量高、成本低、风险低的非支配候选，再用校准后的质量估计选择 top-m 候选，必要时用教师一致性作为附加收益，分歧过大的样本进入人工/弱监督缓冲池或降权训练。 预算选择上，不能全量 ILP。我会按语言、噪声、时长、学生 entropy 分桶，把 5000 万样本压成若干 cohort，每个 cohort 统计数量、平均成本、收益分布分位数。对每个 cohort 和教师构造若干“取前 q% 样本”的候选动作，每个动作有收益、GPU 成本、预计 wall time、低置信比例贡献和语言覆盖贡献。然后做近似多约束背包：主约束是 GPU 预算 B 和 6 小时产线时间，附加约束是每种语言最小/最大采样量、低置信样本上限。工程上可用拉格朗日松弛：把语言覆盖、低置信比例、SLA 违约转成动态 penalty，按 adjusted_gain/cost 排序贪心选取，并通过二分/次梯度更新 penalty；如果需要更稳定，可在语言维度先分配 quota，再在每个语言内做一维预算 DP 或 top-k heap。复杂度约为 O(NK) 生成候选分数太贵，因此实际先用轻量路由模型或表查分桶做到 O(N·k')，k' 是每个样本候选教师数，通常 1-3；cohort 级优化是 O(M log M) 或 O(L·C·B')，M 是候选动作数，远小于 N。 批次构造阶段，把已选样本按语言、时长、置信度分层队列组织。每个 batch 用受约束采样：满足 token/frame 数上限、语言比例上限、低置信比例上限，并尽量混入相近长度减少 padding。可以把 batch 构造看成在线 bin packing + 分层抽样：先按长度桶建堆，再按语言 quota 轮转抽取；对稀缺语言设置温度采样或最小保留队列。训练 loss 上使用 teacher quality 作为 soft label 权重，高分歧样本降低权重或只蒸馏中间表示，避免错误伪标签主导。 在线/离线一致性方面，教师推理、特征抽取、分桶、打分都要版本化，训练样本 manifest 记录 teacher version、路由分数、语言预测、伪标签 hash、过滤原因，保证可复现。数据漂移上，监控每个语言/噪声桶的输入分布、教师置信分布、学生 loss 分布和蒸馏后 dev WER；发现某桶收益变负时自动降低 quota 或切到保守教师。兜底策略包括：保留一部分随机探索流量更新收益估计；对新语言/新噪声优先选通用教师加低权重；SLA 临近时按收益密度降级跳过长音频或高成本教师；低置信比例超阈值时直接截断对应队列。

参考解法如下，使用定长滑动窗口维护当前窗口内元音数量，每次右移窗口时加入新字符、移除旧字符，并更新最大值。

python
class Solution:
    def maxVowels(self, s: str, k: int) -> int:
        vowels = set("aeiou")

        # 统计第一个长度为 k 的窗口中的元音数量
        current = 0
        for i in range(k):
            if s[i] in vowels:
                current += 1

        ans = current

        # 从第二个窗口开始滑动：
        # 新窗口为 s[i-k+1 : i+1]
        for i in range(k, len(s)):
            if s[i] in vowels:
                current += 1
            if s[i - k] in vowels:
                current -= 1

            ans = max(ans, current)

            # 如果已经达到理论最大值 k，可以提前返回
            if ans == k:
                return k

        return ans