小红正在调试一个智能学习助手。这个系统会先从知识库里召回一批候选示例，再从中挑出若干条最适合展示给用户的结果。 如果系统只按“和当前问题有多相关”来排序，往往会返回许多内容非常接近的示例。为了让结果既相关又有区分度，小红决定使用最大边际相关性（MMR）策略做二次重排。 现在一共有 N 个候选文档。第 i 个文档有一个互不相同的文档编号 ID，还给出了它和当前查询的相关性分数 rel[i]。此外，系统还知道任意两个候选文档之间的相似度 sim[i][j]。 小红会维护一个已经选中的文档集合 S，初始时它为空。随后重复执行 K 轮，每一轮都要在还没被选过的文档里，计算当前的 MMR 分数： MMR(i) = λ * rel[i] - (1 - λ) * max(sim[i][j])，其中 j 来自集合 S。 如果当前 S 为空，那么上式中的最大相似度部分按 0 处理。 每一轮都选出当前 MMR 分数最高的那个文档加入集合 S，并把它的文档编号按顺序记入答案中。如果有多个文档在这一轮的 MMR 分数完全相同，则选择文档编号较小的那个。 请你输出这 K 轮依次选中的文档编号。
第一行一个整数 N，表示候选文档数量，满足 1 接下来 N 行，每行包含一个浮点数 rel 和一个整数 ID，表示按输入顺序编号的第 i 个候选文档的相关性分数和文档编号。所有文档编号互不相同，且在 1 到 10^9 之间。相关性分数在 [0,1] 范围内。 接下来 N 行，每行包含 N 个浮点数，构成相似度矩阵 sim。其中第 i 行第 j 列表示文档 i 和文档 j 的相似度。题目保证矩阵对称，且 sim[i][i] = 1.00。所有相似度都在 [0,1] 范围内，并精确到小数点后两位。 最后一行包含一个浮点数 λ 和一个整数 K，其中 0 <= λ <= 1，0 <= K <= N。
输出一行，包含 K 个整数，表示按选择顺序得到的文档编号，编号之间用空格分隔。 如果 K = 0，输出一个空行即可。
4 0.80 11 0.75 7 0.60 30 0.50 25 1.00 0.90 0.20 0.10 0.90 1.00 0.30 0.20 0.20 0.30 1.00 0.80 0.10 0.20 0.80 1.00 0.6 3
11 30 7
考点：贪心
限制 2 秒 / 256MB ｜ 标准输入输出
推荐方向：贪心
本题切入点
MMR 每轮贪心取当前分数最高的文档：维护已选集合 S，每轮对未选文档算 λ·rel[i] − (1−λ)·max_{j∈S} sim[i][j]（S 为空时相似度项取 0），同分取编号较小者。
每一步都取当前最优，靠问题性质保证局部最优能拼成全局最优。
思路框架（贪心 通法 · 非本题专属）
实现要点：贪心题关键在于排序规则：按什么关键字排序决定了策略是否正确。
复杂度：时间 O(n log n)（含排序） ｜ 空间 O(1) ~ O(n)
该范式的通法易错点
样例 1：输入 4 / 0.80 11 / 0.75 7 / 0.60 30 / 0.50 25 / 1.00 0.90 0.20 0.10 / 0.90 1.00 0.30 0.20 / 0.20 0.30 1.0 → 输出 11 30 7
第一轮集合为空，只看 0.6 * rel，文档 11 最高。第二轮开始要扣掉与已选文档的最大相似度，文档 30 与 11 的相似度更低，因此先被选出。第三轮继续比较后，得到顺序 11 30 7。
解析由校招宝本地引擎整理（依据源站考点标签 / 人工判题标注 / 题面规模信号），非官方题解，仅供思路参考。
本题来源：2026年-华为-04月23日留学生AI岗。