给你一个变量对数组 equations 和一个实数值数组 values 作为已知条件，其中 equations[i] = [Ai, Bi] 和 values[i] 共同表示等式 Ai / Bi = values[i] 。每个 Ai 或 Bi 是一个表示单个变量的字符串。另有一些以数组 queries 表示的问题，其中 queries[j] = [Cj, Dj] 表示第 j 个问题，请你根据已知条件找出 Cj / Dj = ? 的结果作为答案。

• 返回所有问题的答案 。
• 如果存在某个无法确定的答案，则用 -1.0 替代这个答案。
• 如果问题中出现了给定的已知条件中没有出现的字符串，也需要用 -1.0 替代这个答案。
• 注意：输入总是有效的。你可以假设除法运算中不会出现除数为 0 的情况，且不存在任何矛盾的结果。
• 注意：未在等式列表中出现的变量是未定义的，因此无法确定它们的答案。

有朋友问：“SPA 怎么做安全登录？”你可以微微一笑，说：“先设 HttpOnly Cookie，再配个探测接口，前端用 credentials: 'include'，路由守卫一包，401 拦截器一兜——齐活。”

在人工智能的发展历程中，2017 年是一个分水岭。这一年，Google 团队发表了一篇名为《Attention Is All You Need》的论文，彻底颠覆了自然语言处理（NLP）领域的建模范式——Transformer 模型诞生了。而其核心灵魂，正是我们今天要深入探讨的主题：注意力机制（Attention Mechanism）。

在当前大语言模型（Large Language Models, LLMs）广泛应用的背景下，推理效率已成为决定模型能否落地的关键因素。无论是聊天机器人、智能写作助手，还是企业级文档分析系统，用户都期望模型能“秒出结果”。然而，LLM 的自回归生成特性（即逐 token 生成）天然带来了大量重复计算——这正是KV Cache（Key-Value Cache）技术要解决的核心问题。

假设有打乱顺序的一群人站成一个队列，数组 people 表示队列中一些人的属性（不一定按顺序）。每个 people[i] = [hi, ki] 表示第 i 个人的身高为 hi ，前面 正好 有 ki 个身高大于或等于 hi 的人。请你重新构造并返回输入数组 people 所表示的队列。返回的队列应该格式化为数组 queue ，其中 queue[j] = [hj, kj] 是队列中第 j 个人的属性（queue[0] 是排在队列前面的人）。

给你一个 只包含正整数 的 非空 数组 nums 。请你判断是否可以将这个数组分割成两个子集，使得两个子集的元素和相等。

给定一个二叉树的根节点 root ，和一个整数 targetSum ，求该二叉树里节点值之和等于 targetSum 的 路径 的数目。路径 不需要从根节点开始，也不需要在叶子节点结束，但是路径方向必须是向下的（只能从父节点到子节点）。

给定两个字符串 s 和 p，找到 s 中所有 p 的 异位词 的子串，返回这些子串的起始索引。不考虑答案输出的顺序。（s 和 p 仅包含小写字母）

给你一个非负整数数组 nums 和一个整数 target 。向数组中的每个整数前添加 '+' 或 '-' ，然后串联起所有整数，可以构造一个 表达式 ：例如，nums = [2, 1] ，可以在 2 之前添加 '+' ，在 1 之前添加 '-' ，然后串联起来得到表达式 "+2-1" 。返回可以通过上述方法构造的、运算结果等于 target 的不同 表达式 的数目。

给你一个整数数组 coins ，表示不同面额的硬币；以及一个整数 amount ，表示总金额。计算并返回可以凑成总金额所需的 最少的硬币个数 。如果没有任何一种硬币组合能组成总金额，返回 -1 。你可以认为每种硬币的数量是无限的。