🧠

OJ 数据分析与推荐

🎭 模拟用户画像

新手 专家 0.50
0~1 归一化能力值：越大越强（这里只是模拟输入，用于体验推荐逻辑）。
易弃 坚韧 0.60
0~1 归一化坚持度：越大表示更愿意在同题多次尝试（影响“需要重试”的题是否适合）。
1
同一题第几次尝试：一般尝试次数越多，后续 AC 概率越高（模型会学到这个趋势）。

💻 技术偏好

用于模拟“最常用/最擅长”的语言偏好。
0.70
越高表示越偏向首选语言；剩余权重会平均分给其他语言。
按住 Ctrl/⌘ 可多选；不选表示“无明显题型偏好”（会均匀分配）。
标签权重 0.70
越高表示越集中在所选标签；越低表示更“均衡探索”。

⚙️ 推荐配置

10
输出 Top‑K 推荐列表长度。
0.40
0.70
优先推荐预测通过率 P(AC) 落在 [min_p, max_p] 的题：既不过难也不过易；若带内题不足会用“最接近成长带”的题补齐。
期望值：同时考虑多语言偏好；强项优先：更像“用最强语言去做题”的上限视角。

🚀 执行操作

高级: JSON 注入