很显然的，我们可以通过 \(2n\) 的代价求出任意一个 \(0/1\) 的位置，由于 \(0\) 不一定存在，我们先求出 \(1\) 的位置。
你发现查询的集合大小必然都很小，大了的话自由度呈指数级增长，考虑依次确定每个元素，每次拎两个元素 \(x, y\) 出来，将其和与 \(1\) 比较大小，分为两种情况：
- \(x + y \le 1\)，也就是说 \(x, y\) 不能都是 \(1\)，意味着其中较小的那个数必须为 \(0\)。
- \(x + y \ge 1\)，也就是说 \(x, y\) 不能都是 \(0\)，意味着其中较大的那个数必须为 \(1\)。
每次通过代价为 \(2\) 的操作可以得出 \(x, y\) 到底哪个大哪个小，于是你的操作次数可以做到 \(7n\)。
考察 sub3 的做法，套用以上思路，分治二分交界点位置，最后剩下一个数时用奇偶性判断是 \(0\) 还是 \(1\)，操作次数为 \(3\log n\)。
考察 sub3 的拓展，我们不要求出 \(1\) 的位置具体在哪里，在这个过程中，我们实质上可以将 \(0\) 丢到前面，被淘汰的数丢到后面，会生成一个从小到大递增的序列，最后可能会剩下来两个数，其中必定有一个是全局最大值，将其丢到最后面，然后记剩下的一个值为 \(v\)。
那么继续分治这个过程，当只剩下一个元素的时候，利用奇偶性和与 \(v, 1\) 的大小关系（\(1\) 的位置你在做上述过程时可以求出来，就是全局最大值）可以将其全部解出，这样操作次数就控制在了 \(5n + 3\log n\) 次级别了。