algorithms

MIT Press 出版的 634 页著作《Algorithms for Optimization》现提供免费 CC-BY-NC-ND 许可的 PDF 版本，第二版（包含 Julia 实现以及关于 DCP、代理模型和多学科优化的新章节）将于 2027 年 1 月 5 日发布。

一篇探讨“program”一词如何从电视广播演变为当今由代码驱动的推荐算法的文章，指出大众媒体素养和编程教育仍然匮乏，而平台正日益塑造价格与认知。

一篇技术博客文章，追溯了试图严格定义算法效率的历史：从 Jack Edmonds 1965 年的 blossom 算法及其关于"好"算法的理念，到指数时间假说（Exponential Time Hypothesis），作者论证复杂性理论已迷失了最初的实践问题这一主线。

美国职业棒球大联盟正将其社交媒体策略从数据与精彩片段内容转向球迷文化剪辑——例如配上 Olivia Rodrigo 歌曲的精彩集锦——以吸引更年轻、更随意的球迷，因为推荐算法正在重塑内容的发现方式。

OpenAI 和 Anthropic 均声称，其内部 AI 模型各自独立地通过在 2^o(n) 时间内求解 3-SAT，推翻了指数时间假设。这一结果附有 Lean 证明证书，但尚未经人类专家审查。这篇文章是一篇阅读时长为 43 分钟的解说，介绍了这两个证明、它们极其庞大的运行时间，以及该如何看待此类声明。

2023 年的一篇论文，提出了一种无栈方式来自动化洪泛填充（flood fill）算法，描述了在区域填充过程中避免使用显式栈的技术。链接的 PDF 内容无法渲染，因此摘要是根据标题推断的。

OpenAI 宣称发布了一篇证明指数时间假设（ETH）为假的论文，主定理已通过 Lean 验证，并由 Impagliazzo、Paturi 和 Williams 领导的独立工作组进行审查；文章通俗解释了 3-SAT、NP 完全性以及 ETH 被证伪可能带来的深远影响。

一篇博客介绍了一种新的快速算法，用于计算有符号64位整数除以编译期常量的向下取整除法。在ARM平台上比现有方案快10%–20%，在大多数x86场景下快约5%–10%，并附带可复制粘贴的代码生成器，以及对编译器和库中向下取整除法处理方式的批评。

cp-algorithms 上关于 Treap（笛卡尔树）的算法文档，介绍了这种结合二叉搜索树与二叉堆特性的随机化数据结构及其插入、删除、合并等操作的复杂度与实现思路。

David Harvey 和 Joris van der Hoeven 的论文提出了一项突破性的 O(n log n) 整数乘法算法，打破了长期以来大整数乘法的复杂度壁垒。

一个社区研究仓库报告了整数乘法更严格的指数上界，在 OpenAI #109 框架下实现了 T(n)=O(n(log n)^(1-κ))，其中 κ=0.0023；该结果以未经验证的假设为前提，尚未构成完整的 Lean 证明。

一篇介绍用 Swift 实现超高速 IPv4 地址解析算法的博客，通过新算法在 Apple M6 上以约 3 纳秒、15 个 CPU 周期完成解析，成果将贡献给 Swift 官方的 swift-networking-types 项目。

L. Pereira 于 2014 年撰写的一篇博客文章，探讨了在 C 语言中将整数转换为字符串的多种逐步优化的方法，比较了朴素的除法方案、Lwan 中使用的免原地反转的变体，以及 Facebook 的双位数查表技巧——该技巧大致将除法次数减半，带来约 31% 的速度提升。

一篇技术评论文章，批评 OpenAI 在数学论文集中声称的更快快速傅里叶变换（FFT）算法，指出其改进微乎其微，更像是利用理论模型在硬件上并不实际可行的"恶意利用"，而非真正的突破。

一次自动化研究运行，探索复杂度低于 n log n 的整数乘法算法，提供可复现的贡献成果、代码仓库贡献指南，以及对研究思路和拉取请求的交互式可视化。

纽约州在对 TikTok 的诉讼中新增指控，称 TikTok 向数千名用户（包括儿童和青少年）提供‘安慰剂’版本的安全功能，如算法重置功能实际无效，误导用户以为已生效。

Eric Lippert 的 Manning 新书《Fabulous Adventures in Data Structures and Algorithms》已成为 Amazon 最新热门发布之一，内容涵盖不可变数据结构、DAWG（确定有向无环字图）、编译器设计，以及与人工智能相关的贝叶斯技术。

Anthropic内部的Claude模型发现了首个真正次二次的3SUM算法（O(n^1.9992)）与真正次三次的APSP算法（O(n^2.9995)），推翻了细粒度复杂性理论中长期悬而未决的3SUM与APSP猜想。这一成果由Josh Alman和Virginia Vassilevska Williams写成论文加以形式化，源自一种新的稀疏矩阵乘法算法，并已通过Lean 4完成验证。

本文提出了 AlgoREval，一个涵盖 599 个问题的基准测试，涉及 14 个领域、7 种编程语言和 4 种图输入表示下的 77 个经典算法，用于衡量大语言模型（LLMs）复现知名算法的能力——即将其视为"参数化代码检索"而非真正的算法综合生成。在 15 个模型（7B–34B）上的实验表明，模型准确率随编程语言和输入格式的不同而差异显著；作者提醒，在未经系统性验证的情况下，不应对 AI 生成的算法代码直接投入部署使用。

FlashSinkhorn 2 提出了一种两阶段块稀疏 GPU 求解器，用于求解熵正则化最优传输（EOT）问题，可扩展至 1.34e8 个粒子的点云。在单块 A100 上，可在 2.5 小时内将边缘残差降至 0.01 以下——据称这是在数小时内在该精度下求解的最大离散 EOT 问题。该项目已发布开源实现。