法学硕士玩 Zachtronics 的 TIS-100

十二个节点。每个节点两个寄存器。十五行代码。在TIS-100中，即使是两个数字相乘也是一个小型工程项目，玩家们花了十年时间在公共社区排行榜上优化这些程序。我们向 16 名法学硕士提供了游戏及其手册，保留了排行榜，并告诉他们不断改进。这里的每个结果都是我们可以在新输入上运行和测试的程序，这使得编程游戏成为有用的基准。模型通过文本工具而不是鼠标和屏幕截图获得玩家可以检查的内容：手册、可见的测试输入、寄存器和游戏反馈。他们没有获得社区代码或准确的记录，只有游戏的粗略分数直方图。 Undecimal Twin Rounder SPEC44149538 是八个锦标赛谜题之一，它在一个输出上将输入舍入为 N 的最接近倍数，在另一个输出上舍入为 11−N 的最接近倍数。当我们冻结排行榜时，最好的社区程序需要 2,694 个周期。 Opus 5.5 在 6.5 分钟后通过了第一个程序，循环数为 5,669。它在 16 分钟内就打破了纪录，最终达到 1,918，速度快了 29%。这一速度比旧记录多花费了 1 个节点和 28 条指令。该程序的核心是双速搜索。节点 5 和 6 不是每次减去 N 一步，而是减去 4N 直到它们超调，然后加回 N 直到值变为正值。每个模型都驱动一个小型协处理器（节点 2 或节点 7），通过端口发送跳转偏移量，因此协处理器充当 4N 和 N 的查找表。五个模型在游戏中保持了旧记录。另外两个周期记录是 GPT-6.1 Sol 在交叉口标识符 SPEC64160260 上的 3,460 次，对比 3,872（快了 11%），以及 Gemini 4 Argon 在错误：8 SPEC79324720 上的 188 次，对比 198（快了 5%）。这三个都是锦标赛谜题，主游戏中没有。在 133 个新前沿点中，有 18 个彻底打破了社区记录。其他 115 项是新的权衡：三个分数之间的平衡比任何社区解决方案都更好。我们将所有 55 个谜题按其主要需求进行分组，然后阅读程序。十六个模型中的十五个解决了所有五个路由难题，并且没有一个在那里找到了新的边界点。下面的示例显示了不同的设计如何使用相同的资源。 T31节点仿真器NEXUS.23.727.9需要8个可寻址存储槽，但可用的存储节点是堆栈。这些程序在堆栈之间移动值以到达请求的槽，然后读取或替换它。 MiMo-V2.6-Pro采用计数传输循环； Opus 5.5 使用 JRO 在展开的传输中进行选择，花费额外的指令来节省周期。记忆不是一项技能：MiMo-V2.6-Pro 可以解决该仿真器问题，但无法解决序列模式计算器 NEXUS.09.904.9 和信号窗口滤波器 60099 问题。诊断改变了模型接下来的行为。在Signal Multiplexer 22280上，GPT-6.1 Sol的第一个通过程序花了294个周期。其配置文件显示，节点 2 的工作时间为 86%，而节点 1 和节点 3 的 84% 时间处于阻塞等待写入状态。 GPT-6.1 Sol 将分支从节点 2 移出并移至这两个邻居中。下一次运行需要 204 个周期，速度提高了 31%，但代价是增加了两个节点和五个指令。信息、工具和时间都一起改变了，所以这项研究不能说哪一个添加最有帮助。这些运行不在主要排行榜和标题计数之外。我们向排行榜提交了选定的程序，社区几乎立即对它们进行了改进。在 Undecimal Twin Rounder SPEC44149538 上，@LongingForRest 采用了 Opus 5.5 的 1,918 周期程序，并在第二天将其削减至 1,744。该记录现在归属于两者：LongingForRest/opus-5-5。两人都没有单独到达那里。这些模型很快就找到了新的权衡，玩家阅读这些程序，找出它们起作用的原因，并进一步发展它们。数学也发生了同样的转变。 Terence Tao 及其同事使用 LLM 引导的搜索解决了 67 个问题，并对几个问题中最著名的结果进行了改进。在《数学之后》中，Silvia De Toffoli 和 Eamon Duede 认为，只有当数学家能够理解结果时，结果才会成为解决方案，并且人工智能更适合作为助手而不是竞争对手。 TIS-100 是未来的一个小型、可测量的版本：模型找到更好的程序，人们将其转化为他们理解的东西。套房。 2018 年的所有 22 个战役谜题、所有 25 个 TIS-NET 谜题以及 8 个锦标赛谜题：19 个简单谜题（10 分钟）、17 个中等谜题（30 分钟）和 19 个困难谜题（45 分钟）。每个模型的每个谜题都有一个得分集。时间限制因难度而异，因此难度和搜索时间不能分开。得分。每个模型-谜题对都会贡献一次选定的尝试，没有最佳尝试得分，因此解决率是通过@1：当该情节保存了在新游戏中重播的程序时，谜题就被视为已解决。未解决的谜题保留在每个平均值中，得分为零。新的前沿点。参考截至 2026 年 10 月 15 日的社区排行榜。平局不算数。模型在 23 个谜题上找到了 154 个候选点。我们的计数池和重复数据删除