在他那几台具体的服务器上，跑得最快。

    数量最少和跑得最快在真实的物理世界里，根本不是一回事。

    江临想起陈启明在报告厅留下的最后一句话。

    他的搜索空间里，充满了正确的低效垃圾。

    此刻他更深一层地明白了。

    九个比较器，是按数量排的。

    但在一颗真实的CPU里，决定一段代码快慢的，从来就不只是指令的数量。

    而是这九个比较器之间的数据依赖链：哪些必须排队等前一个算完，哪些可以并排着同时算。

    是它们落在乱序执行引擎的哪几个埠上，会不会挤在一起抢资源。

    是每条n、x、条件传送指令的延迟和吞吐。

    是寄存器够不够用，会不会被逼着往内存里倒腾。

    同样九个比较器，排成一条又细又长的依赖链，和排成五层能并行的浅塔，在流水在线的表现，可能差出一大截。

    比较器数量少，和比较器深度浅，是两个不同的目标。

    陈启明真正想要的目标，那个在型号A的服务器上榨干最后一滴性能，把延迟压到最低的最优解，藏在极深极脏的硬件底层里。

    和微架构死死绑在一起。

    换一颗不同代际的CPU，哪怕只是从Intel的Skylake换到Zen 3架构，缓存延迟和指令埠的微小变化，都会导致那个最优解瞬间跌落神坛，变成次优。

    江临盯着那张三台机器的perf表，一下子意识到，要找到那个真正适应物理世界的最优解，单靠数学证明是不够的。

    他必须在他的MPS框架里，接入一个代价模型。

    在海量正确的候选网络里，不仅看数量，还要看深度，看并行度。

    甚至到最后，他需要写一个自动化脚本，把筛选出来的，看起来很有希望的几百个变种网络，一个一个编译成机器码，扔进真实的物理服务器里去实测，打分，筛选。

    每一次实测都伴随着作业系统调度的噪声、缓存预热的波动。

    他得每个候选跑上一百万次，取中位数，取99分位延迟，做枯燥的统计学对抗。

    根本不是一个晚上，甚至不是现实里的一年半载能够跑完的事。

    意识到纯算法在底层硬件面前的局限性后，江临的脑子反而冷静了下来。

    顺手点开rank5，这个逻辑能不能也用现有的框架碾压过去。

    题面：给五个数，不要求全部排好，只问输入窗口中心位置的那个数，在这五个数里到底排第几。

    几乎是出于惯性，本能地就想把刚写好的零一原理验证脚本套上去。

    不过还好下一刻，他就及时把自己摁住了。

    零一原理管的是排好没有，是全局的单调性。

    可rank5要的根本不是把所有数都乖乖排好，而是要给每个数，或者特定的某个数，粘贴一个精确的名次标签。

    如此，它的正确性判据不再是问最终的输出串行有没有单调递增，而是变成了问：那个原本在输入中心位置的数，它头上顶着的名次，到底是不是正确的名次？

    如果强行把输入全换成0和1会发生什么？

    比如原始输入是【10， 50， 30， 20， 40】，中间那个数是30，它排第三名。

    如果粗暴地二值化为0-1串行，可能会变成【0， 1， 1， 0， 1】。

    在这个二值串行里，有三个1，两个0。

    原本该区分开的绝对名次情形，因为数值维度的坍缩，直接撞成了一团烂泥，根本分不开谁是真正的第三。

    零一原理在这里，不直接成立。

    或者说，它失效了。

    验证rank5，必须回到相对大小关系（如置换群）的层面，而非单纯的0-1输入空间。

    它的底层结构更接近一张由偏序关系构成的，动态更新的两两比较矩阵。

    这又是一个新坑。

    从八个数里，挑出前三大。

    这个问题同样暗藏杀机。

    对比较网络形式的top-k选择，类似的零一检验可以使用。

    但前提是，你必须先和出题人把正确的语义定义好。

    什么叫挑出前三？

    口径A：只要最大的三个数，落进了输出数组的前三个坑位就行，这三个数内部是乱序也无所谓？

    口径B：还是说，不仅最大的三个数要进前三，而且这三个数之间，也必须严格按照从大到小排好？

    如果口径没有定死，那么MPS框架搜索出来的就是空中楼阁。

    标准宽泛一分，搜索空间就呈指数级缩小。

    标准严格一分，依赖链就不可避免地加长。

    三个题，三套