arXiv · NLP· Nurul Labib Sayeedi, Md. Faiyaz Abdullah Sayeedi, Zabir Al Nazi, Mahbub E Sobhani, Shubhashis Roy Dipta·· 16 小时前AI 评分36
P2NPCBench：通过对抗多智能体重写测试 LLM 在配对 P 与 NP 完备问题上的表现
Did the Problem Actually Get Harder? Testing LLMs on Paired P and NP-Complete Problems Hardened by Adversarial Multi-Agent Rewriting
AI 导读
P2NPCBench 基准测试显示，在对抗重写后的 NP 完备问题上，所有模型得分均低于其 P 类孪生问题（35.4% 对比 63.8% 通过率），95.1% 的模型族对均在 NP 侧失败更多。
来源：arXiv · NLP · arxiv.org