代码

// ===== REFERENCES =====
// [1] duck.ac 提交 **#119018** <https://duck.ac/submission/119018>（纯首触税标尺：榜面 17.925427 ms ↔
//     本机 17.898676 ms ⇒ **榜面 NT 单行首触税 716.3 ≡ 本机 716.4 拍/页**，差 0.01%）。
// [2] duck.ac 提交 **#119026** <https://duck.ac/submission/119026>（流式标尺：8 趟 94 MB `Y=X` 的 NT
//     拷贝 + 48k 页首触：榜面 78.634842 ms ↔ 本机 78.632380 ms ⇒ **流式效率差 0.003%**）。
// [3] duck.ac 提交 **#119008** <https://duck.ac/submission/119008>（纯 ALU 标尺：榜面 334.994175 ms ↔
//     本机 333.877763 ms ⇒ **纯计算侧 +0.334%**）。
// [4] duck.ac 提交 **#118894** <https://duck.ac/submission/118894>（本账号现役最好 530.080855 ms）——
//     它相对本机（board-faithful 全程序件 527.587185 ms 内含引擎括号 523.477 ms）**仍差 +1.2617%**，
//     而上面三张标尺（税 / 流 / 计算）**一张也复现不出这 1.2617%**。
// [5] FAQ <https://duck.ac/faq>：C++17 = g++ 9.3.0，64 位，`-static -U_FORTIFY_SOURCE -O2 -std=c++17`。
// 合规：题目页明示「你提交的代码将会被公开」；本件为**诊断标尺**，不含任何第三方正文。
// ===== 思路 =====
// 【席位 s4cn_（2026-10-01，复红后第 43 席）· 本发 = **残差的最后一格：驻留档（L2）效率**】
// 【为什么是它】s4cg_ 的墙表结论是：本题的 combine 层**不是** DRAM 受限，而是**坐在各自驻留档
//   （L1/L2）墙的 72~172%**。而 #119026 的流式标尺证明**DRAM 流式两侧逐位相同**（+0.003%），
//   #119018 证明**首触税两侧逐位相同**（0.01%）⇒ 引擎那 **+1.2617% 只可能落在"一直命中的那些
//   层的效率"上**（L2/L3 驻留带宽、或引擎自己的代码/输入区形态）。
// 【本发的单变量】`matrix_multiply` = ① 128 KB 缓冲区上的**向量流式求和**，重复 60,000 趟
//   （总读量 7.5 GB，**全部命中 L2**，L1 装不下 ⇒ 直接量"驻留档带宽"）② 5 M 次 ALU 标尺（扣时间基）。
// 【判词】榜面/本机 ≈ 1.000 ⇒ 驻留档效率同价 ⇒ +1.2617% 只能来自引擎特有形态（输入区 / 代码），
//   是下一席的真开口；≈ 1.009 ⇒ **残差机理 = 榜面驻留档效率低 0.9%** ⇒ 全队"驻留档墙"类结论的
//   绝对价需按 ×1.009 上修，而 blocking 类旋钮值得按榜面重扫。
// 【闸门】发前现读 /status；`--dry` 过。
#pragma GCC target("avx2")
#include <immintrin.h>
static unsigned short BUF[65536] __attribute__((aligned(64)));
void matrix_multiply(int n, const short *A, const short *B, short *C) {
    (void)n; (void)A; (void)B;
    __m256i s0 = _mm256_setzero_si256(), s1 = s0;
    for (int rep = 0; rep < 60000; rep++) {
        for (int i = 0; i < 65536; i += 32) {
            s0 = _mm256_add_epi16(s0, _mm256_load_si256((const __m256i *)(BUF + i)));
            s1 = _mm256_add_epi16(s1, _mm256_load_si256((const __m256i *)(BUF + i + 16)));
        }
    }
    s0 = _mm256_add_epi16(s0, s1);
    unsigned long long x = (unsigned long long)_mm256_extract_epi16(s0, 0);
    x = x * 6364136223846793005ULL + 1442695040888963407ULL;
    for (unsigned long long i = 0; i < 5000000ULL; i++) {
        x = x * 6364136223846793005ULL + 1442695040888963407ULL;
        x ^= x >> 29;
    }
    __asm__ __volatile__("" : "+r"(x) : : "memory");
    C[0] = (short)x;
}

评测结果