arXiv · cs.CL· Nurul Labib Sayeedi·· 6 天前AI 评分49
P2NPCBench：用对抗性多智能体重写检验 LLM 在配对 P 与 NP 完全问题上的真实推理能力
Did the Problem Actually Get Harder? Testing LLMs on Paired P and NP-Complete Problems Hardened by Adversarial Multi-Agent Rewriting
来源与原文
arXiv · cs.CL
作者：Nurul Labib Sayeedi
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.30103v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出 P2NPCBench 基准，将 12 个问题族中的 NP 完全问题与同表面的 P 问题配对，并用 AgentGAN 对抗性多智能体框架改写题目以消除教科书式提示，生成 2,114 条经人工验证的题目。评测 12 个专有与开源模型发现，模型在 NP 完全题目上的 pass@1 为 35.4%，显著低于 P 题的 63.8%；十倍时间限制仅将 NP 完全准确率从 28.5% 提升至 31.9%，说明失败源于程序错误而非速度，且对抗性加固使复杂度类差距从 24.8 收窄至 14.6 分。
来源：arXiv · cs.CL · arxiv.org