AI-High-Pressure-Challenge
Health Uyari
- No license — Repository has no license file
- Description — Repository has a description
- Active repo — Last push 0 days ago
- Community trust — 41 GitHub stars
Code Gecti
- Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Gecti
- Permissions — No dangerous permissions requested
Bu listing icin henuz AI raporu yok.
AI十项全能·定时挑战赛 | AI Decathlon · Timed Challenge: a timed benchmark for AI coding agents — 13 tasks across 10 categories (Lean proofs, competition math, CUDA/CPU optimization, game AI, 3D/web apps, nested OS), 60–100 min each, no human help.

在线排行榜:octathlon.wendystars.com
简体中文 | English
当前正式赛程为 13 道题、10 个类别:AI 编程智能体在 60–100 分钟内独立作答,到时直接中止。
目录
项目简介
- 是什么:给 AI 编程智能体做的限时评测。题目从 Lean 形式化证明、竞赛数学、性能优化、鲁班锁拆解和机械结构重建,一直到整件网页作品和桌面系统的设计与开发。
- 测谁:模型连同它自己的智能体工具一起测,例如 Claude Code、Codex,推理强度默认
xhigh。 - 怎么测:每题开一个新会话,独立作答 60–100 分钟。没有人回答问题,时间一到直接中止。
- 两类题:主动设计题 6 道,交付能直接运行的网页作品或桌面项目;标准评判题 7 道,交付证明、源代码、对战程序、拆解路线或建模描述。
- 谁来评:主动设计题由 Claude Opus 5.5 和 GPT 6.1 Sol 各评一次、取平均;标准评判题由程序校验生成分数。
- 总分:每题折算成 0–100 分,按权重加权得到模型总分。

题目总览
数学推理、性能优化、算法对抗、空间推理、几何建模的 7 道是标准评判题,其余 5 个类别的 6 道是主动设计题。点题名可看题面原文。
| 类别 | 题目 | 限时 | 交付物 | 权重 |
|---|---|---|---|---|
| 形式化证明题 | 60 分钟 | Problem1.lean–Problem8.lean |
5% | |
| 数学竞赛原创试题 | 60 分钟 | 答案\第01题.md–第24题.md:每题一个文件 |
5% | |
| 光线追踪渲染加速 | 60 分钟 | solution.cu |
5% | |
| 数字电路仿真器加速 | 60 分钟 | solution.cpp |
5% | |
| 攻城略地 | 60 分钟 | bot.cpp |
10% | |
| 鲁班锁拆解 | 60 分钟 | 答案\第01题.json–第08题.json:每题一棵拆解树 |
10% | |
| 机械结构重建 | 60 分钟 | 答案\第01题.json–第25题.json:每题一份建模描述 |
10% | |
| AE风味动效设计编辑器 | 60 分钟 | 网页项目,入口 index.html |
10% | |
| 动态路由塔防 | 90 分钟 | 网页项目,入口 index.html |
10% | |
| 果冻冲击与造浪水槽 | 60 分钟 | 网页项目,入口 index.html |
10% | |
| 太阳雨渔港3D渲染 | 100 分钟 | 网页项目,入口 index.html |
5% | |
| 星际战舰编队 | 90 分钟 | 网页项目,入口 index.html |
5% | |
| 操作系统嵌套 | 90 分钟 | Windows 桌面项目,单一启动入口 | 10% | |
| 合计 | 13 题 | 100% |
五道网页题都要在 Chrome 里直接双击 index.html 就能完整运行,不经过网页服务器;操作系统嵌套用 Electron 45.2.1 或其他可嵌入 Chromium 的承载环境,从单一入口启动。十个类别各占 10 分,类别内各题平分(数学推理、性能优化、视觉设计与渲染的两题各 5 分,其余每类一题各 10 分):

题目与考点
每道题一张卡片:一句定位、基本信息和几条考点,评分细节收在折叠块里。
数学推理
考数学推理的深度与严谨。一题让 Lean 内核逐步核验证明,一题不借助任何计算工具写出竞赛解答。

形式化证明题
用 Lean 4 + Mathlib 为八道经典定理或研究论文中的定理写出形式化证明,能证几道算几道。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | Problem1.lean–Problem8.lean |
5% | 8 题,每题 0 或 12.5 分,满分 100 |
考点
- 形式化:把纸面证明拆成 Lean 能接受的引理链,熟悉 Mathlib 的定义、API 和命名。
- 零容错:编译不过或留下
sorry,这一题就是 0 分,没有部分分。 - 取舍与专注:八题方向各不相同,先挑有把握的,证完一道再做下一道。
- 每个文件单独编译,没有错误,也没有
sorry警告,并且有题面要求的主定理,就得 12.5 分,否则 0 分。 - 证明的长短和写法不影响得分,各题互不影响。
数学竞赛原创试题
不借助任何计算工具,为二十四道原创竞赛题写出符合数学竞赛作答规格的中文解答。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | 答案\第01题.md–第24题.md |
5% | 每题 0–7 分,满分 168,折算到 100 |
考点
- 原创:本项目新命制的题,代数、数论、几何各三道,组合五道,另有四道改编自研究型数学样题(分析、表示论、代数几何),没有现成解答可以回忆。
- 先求后证:求全部解的要排除其他解,求最值的要给出构造并证明不能更优。
- 纯推理:不得编写或运行程序验算,也不得用计算机代数系统、数值库和定理证明器。
- 书面表达:按数学竞赛的阅卷标准写全关键步骤,其余推导不必无限细化。
- 逐题落笔:题号大致从易到难排列。不要尝试一次做完全部题目,也不要一次输出多道题的答案;每解完一题就立即写进它的答案文件,一题攻不下先写下已有进展,再做下一题。
- GPT 6.1 Sol 对照参考答案和每题的评分要点,按 IMO 阅卷惯例给 0–7 的整数分。
- 与参考答案不同的解法,正确完整同样满分;不完整的按完成程度给部分分。
- 只有答案没有证明、关键步骤缺失或论证有漏洞的相应扣分;写得简练但阅卷认可的不扣;常见已知定理可以直接引用,要写明名称和内容。
- 一题写了多种做法又没注明以哪份为准的,按得分最低的一份计。
- 只评
答案\文件夹里的答案文件,草稿不计分;24 题合计 168 分,乘以 100/168 折算。
性能优化
考硬指标下的性能工程。两道性能题比速度,与基线同场运行,按加速比计分。

光线追踪渲染加速
用 CUDA 在 RTX 4080 上按规定的采样过程渲染一座江南园林,画面在容差内,越快越好。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | solution.cu |
5% | 加速比查锚点表得速度分,乘画面系数和隐藏正确性系数 |
考点
- 加速结构与遍历:场景有 17.6 万个三角形,加速结构、遍历算法和内核组织由模型决定;预处理、建树、显存分配和传输都计入用时。
- 采样不能省:每个像素按规定的采样序列做阴影、环境遮挡和镜面反射查询,不能少采样、换序列、复用其他像素或截断非零反射贡献。
- 平台约束:作答和评测都限在 12 个能效核(逻辑处理器 16–27)上;显卡同时负责显示,约 2 秒未完成的显卡任务会触发驱动重置。
- 正确:每次计时运行都判画面;12 个隐藏正确性输入换机位、种子和边界参数,
spp从 1 到 256、三角形从极少到超过 50 万都要算对;作答目录里给了性能输入、标准答案、基线源码、编译好的基线程序和核对工具。
- 编译失败记 0 分;确认实质性违规(如少采样、在 CPU 上算射线、调用现成光追库或 Driver API)的整题 0 分。
- 基线与提交在同一次评测、相同条件下交错各跑 5 次取最小值;加速比 s = 基线用时 ÷ 提交用时,在 ln s 上按锚点插值得速度分 q:s ≤ 1 得 0 分,s = 10 起满分。
- 每次画面通过记 1、略超差记 0.5、不通过或失败记 0:5 次计时运行的平均是画面系数 c,12 个隐藏输入的平均是隐藏系数 h;本题得分 = q × c × h。
- 由本题评分目录的
evaluate.py计算,在全部评分的最后串行测量。
数字电路仿真器加速
在 CPU 上仿真一个大规模同步时序电路,对大量随机激励逐周期算出输出摘要,越快越好。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | solution.cpp |
5% | 9 个公开电路的输入按加速比查锚点表取平均,再乘正确性系数 |
考点
- 位级并行:把多组独立激励打包进 64 位字和 AVX2 向量同时计算。
- 电路预处理:门不按依赖顺序给出,排序、化简和布局决定求值效率。
- 多线程与缓存:激励组数和电路规模都大,怎样分批、布局和分工决定上限。
- 按类调优:3 类电路差别很大,排序、化简和执行方式都可以按类别分别选;作答目录里给了评分用的输入、标准答案和核对工具,题面列出基线用时,基线代码不公开。
- 正确:摘要逐位一致;7 个正确性输入仍然隐藏,规模极小的电路也要算对。
- 只能用 CPU,可用 OpenMP 和指令内在函数;编译失败或违反题面规则,整题 0 分。
- 按类别使用不同锚点:深链和阵列乘法器(输入 1–6)与基线持平得 12 分、12× 起满分;寄存器堆(输入 7–9)与基线持平得 15 分、8× 起满分。0.1× 及以下均得 0 分。
- 本题得分 = 9 个输入得分的平均 × 通过的正确性输入数 ÷ 7。
算法对抗
考对抗策略算法。写一个对战程序,与五档固定对手在隐藏地图上同时行动、争夺节点,按胜负估出实力值计分。

攻城略地
双方在平面地图上每回合同时从己方节点向其他节点派兵,兵力随占有的节点增长;用 C++ 写对战程序,目标是明显强于最强一档对手:实力相当得80分,高200实力值得100分。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | bot.cpp |
10% | 480局按胜负估出实力值,五档锚点为10/20/40/60/80分,比最弱档低200为0分;比最强档高200实力值才满分 |
考点
- 推演:路程、增长和三方结算都确定且公开,官方结算引擎与裁判是同一份代码,可以在程序里推算未来的局面。
- 攻守取舍:扩张、进攻和防守互相牵制,没有一种固定打法能稳赢。
- 时限内决策:每回合 50 毫秒 CPU 时间、单线程;程序整局常驻,可以记住对手前面的行为。
- 通用:对手程序和评分地图都不公开,只给地图生成器、本地对局工具和一个示例程序。
- 编译失败或违反题面规则,整题 0 分。
- 五档对手由弱到强,每档一个综合水平的程序,计算量固定;最强一档是出题端精心编写的强程序。对每档打96张隐藏地图,每张一局,共480局;按种子文件顺序,奇数图提交为甲、偶数图为乙。地图中心对称,双方都把自己看成同一号玩家。
- 每局胜 1、平 0.5、负 0;崩溃判该局负,超时的回合视为不下命令。
- 五档基线开测前两两循环对打,用 Bradley–Terry 拟合出 Elo 尺度的实力值并冻结;模型的实力值取使 480 局预期总得分等于实际总得分的值(最大似然),限制在最弱档减 200 到最强档加 200 之间。
- 实力值比第1档低200时得0分,等于第1–5档时分别得10、20、40、60、80分,比第5档高200时得100分,相邻锚点间线性插值。
- 由评分端对局工具计算,在全部评分的最后独占性能核运行,同时进行 8 局。
空间推理
考空间推理与手工推演:只凭零件的精确结构推演平移和相互阻挡,写出完整的鲁班锁拆解路线,不借助程序搜索或几何计算。

鲁班锁拆解
给出八副已经装好的鲁班锁,根据零件的精确结构和初始位置,把每副锁完整拆成独立零件,步数尽量少。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | 答案\第01题.json–第08题.json |
10% | 8 题分三档,拆完按步数得 w × max(0.6, min(1, B/N)),没拆完按已完成的分离计部分分,满分 100 |
考点
- 读结构:从分层图和体素数据想清每个零件的形状、位置和彼此的卡扣。
- 推演阻挡:零件保持初始朝向,只能沿 x、y、z 轴平移,每一步移动经过的整个区间都不能碰撞。
- 完整拆解:一组零件移到无限远才算分成两组,两组都要继续拆到单个零件,框架也要拆开;没拆完的提交已推演出的合法部分路线,按已完成的分离计部分分。
- 步数最少:同一组零件沿同一轴、同一方向连续移动计一步,距离不计;步数越少得分越高。
- 只靠推理:可以运行题目给的路线检查器和位置记账工具,不得自编程序搜索路线、模拟移动或计算碰撞,也不得用任何求解器。
- GPT 6.1 Sol 先读会话记录,确认工具使用合规:自编程序搜索、模拟、算碰撞,用求解器或改动这两个工具的,整份作答记 0 分。
- 再用评分端的检查器从初态起逐步验证拆解树并计步,接受任何合法路线。
- 完整拆开的每题得分 = w × max(0.6, min(1, B/N)):N 是合法完整路线的总步数,B 是该题固定的基准步数,取参考解的完整步数(01—08 依次为 8、10、14、12、14、15、42、27);步数比 B 少也只得满分,绕得再远也有 60% 保底。
- 没拆完的,检查器按深度优先顺序检查到第一处碰撞、记号错误或没拆开的分支为止,此前合法完成 k 次分离,得 w × 0.5 × S_k/B:S_k 是参考解前 k 次分离用的步数之和(参考解各次分离依次为 4+2+2、6+2+2、6+7+1、8+4、10+1+1+1+1、11+1+3、19+12+5+6、20+2+5)。每完成一次分离都加分,部分分最多 50%,低于任何完整拆开的得分;一次分离都没完成记 0 分。
- 分值 w:简单档 01、02 各 8 分,中档 03–06 各 12 分,困难档 07、08 各 18 分。
几何建模
读懂国标工程图纸,手工推导零件和装配体的三维形状,写成建模描述。

机械结构重建
二十五套机械零件和装配体,共301张工程图。保留旧十五题并新增十道更难的复杂铸件与14—26件装配;尺寸链、异面斜孔、嵌套腔及圆角过渡须跨视图推理。JSON尺寸目录可显示整理,尺寸与几何须手工计算;预览仅两张轴测图。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | 答案\第01题.json–第25题.json |
10% | 25题三档;两档容差80/20合成F,每题w×min(1,F综合/0.99),满分100 |
考点
- 对照第一角基本视图、多个剖面、局部斜视和放大图,读出封闭/嵌套腔、空间斜孔交汇、斜面与R/C过渡。
- 沿尺寸链手工推算定位,分清各零件自身坐标和装配总坐标;装配含8、10、14、18、22、26件,用配合、同轴、端面贴合和键向推导placement。
- 允许命令或脚本显示、列出、整理JSON目录的现有字段;不得用程序计算尺寸/坐标/法向、推导几何、重建/比对/筛选形状,不得CAD或改工具(批量预览允许);独立作答,禁子代理。
- 先核对工具:目录提取与显示整理允许,不能仅因json.load判违规;程序产生新尺寸/几何量、CAD或改工具等禁止行为记整份0分,须列证据。
- 每档先按作答面积P、参考面等权R求F;0.2mm先求整题平移,2mm沿用。F综合=0.8F(0.2mm)+0.2F(2mm),每题w×min(1,F综合/0.99),宽档只占20%。 01—08各3.5分、09—15各4分、16—25各4.4分,总分100。
- 两档均不允许旋转;装配各档汇总全部作答面积与全部参考面,再求该档F,不平均零件F。缺件面记0;特征失败按此前有效实体比较,缺文件/无法解析/无有效实体该题0。
复杂交互应用
考搭建一款大型专业工具:几十项功能任意组合时结果仍正确、各视图始终一致。

AE风味动效设计编辑器
制作以合成与图层为骨架的动效设计编辑器:关键帧、曲线、表达式、程序几何、变形、三维实体、材质灯光和粒子碰撞都在普通工程里真实工作,再用它做一段 15 秒、主题为「锻字」的示例动画:一个字从写成、成块、锻打到冷却。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | 网页项目,双击 index.html 即可运行 |
10% | 8 个方向、26 个分项 |
考点
- 真实工作:每项功能都在普通工程中真实工作,表达式实际求值、节点按连线计算;几何、变形、粒子与渲染共用一份工程数据,改动源对象后下游结果随之重新生成。
- 程序几何与变形:路径、文字和节点输出的几何继续用于挤出、场与图钉变形、粒子发射和碰撞,变形后法线、阴影和点选一起更新。
- 三维与光影:带孔洞、侧壁和倒角的挤出实体,配合材质、环境反射、灯光投影与景深。
- 合成与粒子:蒙版、遮罩、效果与混合,原位预合成、时间重映射和按实际运动生成的运动模糊;粒子按实际表面碰撞,触发事件、次级发射和拖尾,同一时刻的取样结果一致。
- 可编辑性:画布、时间轴、曲线、节点与属性同步,父级和投影下操作准确,撤销重做与保存保持结果。
- 「锻字」示例:15 秒里一个字从写成、成块、锻打到冷却,锻打是唯一高潮;换一个字后字形、字块、变形和火星按新字重新生成,风格、配色、构图和镜头自行设计。
| 评分方向 | 分值 | 分项(分值) |
|---|---|---|
| 时间轴、曲线与表达式 | 14 | 关键帧与时间轴 4,曲线与运动路径 5,表达式与引用 5 |
| 图形、文字与程序几何 | 19 | 路径与形状操作 5,文字与逐字动画 4,节点与几何输出 5,场与几何变形 5 |
| 合成、预合成与运动模糊 | 14 | 蒙版、遮罩、效果与混合 6,预合成与时间重映射 5,运动模糊 3 |
| 三维场景与渲染 | 17 | 挤出实体 4,材质、灯光与阴影 5,摄像机与景深 4,三维空间与编辑 4 |
| 粒子与碰撞 | 12 | 发射与力场 4,碰撞与事件 6,拖尾 2 |
| 编辑与工程 | 5 | 图层与变换编辑 2,取样一致 2,撤销重做与保存 1 |
| 界面设计 | 5 | 界面构思与视觉层次 2,工作区与操作反馈 3 |
| 示例动画 | 14 | 主题与段落编排 4,画面设计与渲染 4,动作、镜头与声画 4,工程化与可修改 2 |
- 26 个分项由两位评分员分别打分。
- 示例动画按主题与观看质量评价,不按用到的功能数量计分;各功能是否真实可用只在对应方向评价。
- 渲染帧率与大工程速度不计分。
游戏设计与开发
考三维游戏的美术和设计思路:题面给定网络安全世界观和核心玩法,造型、配色和具体设计由模型定,场景、动画、特效和界面都要做出尽可能好的效果。

动态路由塔防
做一款三维塔防《网络安全攻防战》:隔离网络节点逼敌人改道,部分敌人会攻击塔,塔被摧毁后设备旁路直通,路线随之改变。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 90 分钟 | 网页项目,双击 index.html 即可运行 |
10% | 5 个方向、19 个分项 |
考点
- 地图与场景:实时 3D 战场有地形高低、阴影、材质和环境动态;路线、部署位置、节点、障碍和出入口一眼分开,三张地图的场景构成和氛围明显不同。
- 造型与动画:塔、敌人和 Boss 精细建模,推近有细节,剪影各不相同,塔升级后外观改变;移动、转向、攻击、受击和退场都是连续动作。
- 特效与声音:每种攻击有自己的弹道和命中特效,治疗、摧毁、节点开合、改道和 Boss 登场都有相称的表现;音乐和音效自己制作。
- 界面与信息:关卡选择、战斗界面、说明页和结算画面是同一套视觉语言,图标自己绘制;敌人和特效很多时,路线、节点状态和生命依然看得清。
- 改道与攻塔:隔离节点后场上敌人从当前位置重新寻路,不瞬移、不穿过不可通行的位置,确认前能预览路线变化;蠕虫、洪泛团和勒索者会攻击并摧毁塔,修复进程专职治疗,塔被摧毁后路线随之改变。
- 设计思路:路线长度、火力覆盖、塔的生存和资源投入形成取舍,三张地图产生不同的布防思路。
- 实战演示:三段演示总时长不超过 60 秒,操作看得见、速度与正常人相当,战况势均力敌、有来有回;作品提供
window.videoExport逐帧导出这三段。
| 评分方向 | 分值 | 分项(分值) |
|---|---|---|
| 地图与场景美术 | 20 | 地图色彩与层次 6,场景建模、材质与光影 6,场地类别辨识 4,环境动态与背景 4 |
| 塔与敌人的造型和动画 | 20 | 塔的建模 6,敌人与 Boss 的建模 6,塔、敌人、地图的视觉区分 3,连续动画 5 |
| 特效与声音 | 12 | 特效 10,声音 2 |
| 界面与信息 | 13 | 界面美术 5,局势信息 4,操作与说明 4 |
| 玩法与设计思路 | 35 | 寻路与改道 3,塔与敌人的交战 9,关卡与流程 5,实战演示 7,视频导出 1,设计思路 10 |
物理模拟
考三维物理模拟作品:可以用现成物理库,选哪个由模型自己决定。软体、刚体和流体的相互作用要有说服力,动态连贯,画面清晰。

果冻冲击与造浪水槽
在网页里做两个三维物理模拟场景:重球冲击台上的果冻,砸得它大幅变形、回弹,重击下开裂;同尺寸多密度球在透明造浪水槽中浮沉,浪越推越陡,直到翻卷破碎。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 60 分钟 | 网页项目,双击 index.html 即可运行 |
10% | 4 个方向、24 个分项 |
考点
- 基础技术路径:水体用三维的粒子—网格混合方法(PIC/FLIP、APIC 或物质点法一类)在 WebGPU 计算着色器上求解,自由液面、飞溅和白水由粒子状态得出,不用高度场、浅水方程或解析波形代替;果冻是内部离散为四面体或体素的体积软体,用有限元、XPBD 或物质点法求解,开裂来自材料的断裂判据,不用事先切好的碎块替换。这只是基础路径,评分不单独检查这一条。
- 选库:在基础路径之上可以用现成物理库,用哪个、用在哪些部分由模型自己决定;库随作品交付、离线可用,仿真和画面都在浏览器里算出。
- 软体冲击:重击时果冻被压扁、四周鼓出、包住球再弹起,体积基本不变;冲击够重而果冻不够结实时从受击处开裂或被砸开,碎块仍是有弹性的果冻,轻击或更结实时只变形回弹。正中、偏心和连续三种冲击可以分别触发。
- 流体与浮沉:同尺寸不同密度的球分化出上浮、悬浮和沉底;入水砸出空腔、水冠和气泡;浪从可见的造浪装置处越推越陡,翻卷破碎成白水,拍壁回落,水面、水中、槽底三层的球各有响应。
- 视觉表现力(评分重点):大变形、开裂、破碎浪和不同深度的运动层次,果冻、重球和水体的材质与光影;台上的果冻件数、水槽形状、槽内地形和镜头由模型设计,主要动态由模拟算出,改参数后随之变化。
- 四段演示与导出:正中单击、连击、偏击和风浪四段只给主题和走向,片长上限依次为 8、10、8、20 秒,连击以砸裂收尾,开场就有动作、关键瞬间可以放慢;作品提供
window.videoExport,第 i 帧是演示第 i / fps 秒的画面,导出方按返回的帧数原速导出整段,画面只显示场景。
| 评分方向 | 分值 | 分项(分值) |
|---|---|---|
| 现象形态与运动层次 | 47 | 接触压陷与包裹 5,整体大变形 8,振荡传播与回弹层次 5,开裂与碎块 5,入水飞溅 5,波浪发展与破碎 10,分层运动对比 6,余波收敛 3 |
| 材质与光影 | 17 | 果冻透光 5,重球材质 2,水体质感 5,玻璃外观 1,光照塑形 4 |
| 作用关系 | 24 | 重球接触反应 5,密度与浮沉 4,造浪源响应 2,水流推动响应 5,刚体接触响应 4,参数响应 4 |
| 演示与交付 | 12 | 演示编排 4,演示镜头与取景 2,演示控制 2,视频导出 2,音效 2 |
视觉设计与渲染
考实时图形的技术与审美:一件三渲二风格的微缩三维场景,一支体素搭成、会开火的星际战舰编队,造型、画风、光色和动态都要做足。流畅度和帧率不计分。

太阳雨渔港3D渲染
用 Three.js 做一件三渲二风格的微缩三维模型:太阳雨中的日式小渔港堤岸,没有人物和界面,可以自由旋转、缩放细看。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 100 分钟 | 网页项目,双击 index.html 即可运行 |
5% | 6 个方向、19 个分项 |
考点
- 建模工作量:几十样物件推近都认得出、有细节,船舱和室内透过门窗看得清。
- 三渲二画风:卡通着色、纤细轮廓线、色块化的水面倒影,所有物体和效果画风统一。
- 光与色:高调低对比的太阳雨光线,青白主调配少量暖金高光。
- 动态编排:风、云、雨和偶发事件各有节奏,变化沿路径先后传递,同一时刻最多一件明显的事。
- 镜头:拖拽、旋转、缩放跟手,拉远看全底座,推近看清岸壁剖面、水下、船舱和室内。
| 评分方向 | 分值 | 分项(分值) |
|---|---|---|
| 构图与纵深 | 8 | 底座与布局 3,纵深层次与初始视角 5 |
| 造型与陈设 | 34 | 岸壁、水下与消波块 6,堤岸、系泊与生活痕迹 5,船只与驾驶舱 9,码头道具 6,港口建筑与室内 8 |
| 三渲二画风 | 15 | 着色与画风统一 6,轮廓线与画面清晰 3,材质与水面画法 6 |
| 色彩与光影 | 17 | 配色与冷暖 5,光照与天空 7,光柱与闪光 5 |
| 动态 | 20 | 常驻的细小动态 7,阵风 3,云、光与雨势 4,海鸥、猫与船 6 |
| 镜头与运行 | 6 | 镜头操作 4,加载与报错 2 |
星际战舰编队
在网页中实时渲染数十艘同尺寸体素搭成的星际战舰:约1000–1200格长的旗舰居中,近卫舰环绕,前卫舰向外展开,护卫约为旗舰长度的1/5–1/7,小艇约1/30–1/50。镜头从舰阵掠入放大的舰桥、动力核心中庭、贯通式小艇机库与能量装填及导能长廊。四种武器在一次攻击中击碎附近体素陨石,随后全队依次开盾、加速前冲,接回继续航行的开头,护盾余辉渐薄,陨石不在眼前复原。一轮通常70–80秒、最长90秒,导出分块共用全局时间线,没有每块15秒的上限。
| 限时 | 交付物 | 权重 | 分项 |
|---|---|---|---|
| 90 分钟 | 网页项目,双击 index.html 即可运行 |
5% | 5 个方向、23 个分项 |
- 舰队与尺度:二三十艘至四十余艘组成前中后与高低错层的舰列,旗舰约1000–1200格长,护卫约其1/5–1/7,小艇约其1/30–1/50;所有实体保持同一尺寸体素,舰体内部看不到的地方不用填满。
- 造型与配色:共同形态母题贯穿舰船、炮台与四处舱内,主色、深层构件与少量发光色分层,金属边缘保留锐利高光;旗舰有成片装甲、深槽、腹部肋架与深腔喷口,近卫紧凑厚实、前卫舒展延伸,具体造型和色彩自由发展。
- 四处舰内:舰桥约130格宽、130格纵深、60格挑高,以指挥中枢为中心;动力中庭约250格宽、250格高,核心跨越多层;贯通机库约占旗舰长度三分之一,以小艇、停泊位和桥架衬出跨度;能量装填与导能长廊由装置、槽列与流光延伸出长空间。乘员不出镜。
- 攻击与航行:持续光束、错开半拍的分组脉冲、密集近防弹流与长尾导弹在一次攻击中接续命中附近陨石,裂口、翻滚体块与飞散体素碎片保持可见;全队依次展开通透护盾、增强尾焰并加速,接回继续航行。
- 镜头与导出:由局部掠行揭示巨舰尺度,四处内景在运动中展开纵深,发射—弹道—目标结果衔接;一轮通常70–80秒、合计不超过90秒。runs可单块或多块,begin重建分块全局起态,frame按起点加i/fps推进,3/60fps同速,边界不重复不漏帧。
分项与计分:
- 舰队造型与规模 32分:统一的舰队设计语言 4分,旗舰大形与体量级差 8分,旗舰壳层与近景结构 7分,两类护卫设计 5分,舰阵规模与空间层次 5分,共同体素媒介 3分。
- 武器、命中与航行动效 25分:四种武器实体 4分,四类发射光效 7分,陨石命中与体素碎裂 5分,全队护盾 5分,航行、推进与小艇动作 4分。
- 舰内空间设计 20分:舰桥 5分,动力核心中庭 6分,贯通式机库 5分,能量装填与导能长廊 4分。
- 环境、基础光与材质 8分:宇宙与未受击陨石 3分,舰外基础光照 3分,表面材质与成像 2分。
- 镜头、剪辑与循环 15分:尺度揭示与景别变化 4分,路径、转场与运动承接 4分,攻击段的观看组织 3分,结尾加速与循环衔接 3分,本地运行与确定性导出 1分。
系统架构与实现
考一套实际运转的递归系统:子系统的内核本身就是被调度、被计费、可修改的程序,消息、文件、窗口和数据都跨层成立,在快照恢复和独立分叉后依然成立。

操作系统嵌套
做一个桌面端的嵌套图形操作系统:系统里还能启动系统,形成至少四层的系统树;子系统的内核、调度、窗口管理和应用都是存放在文件里、由系统自己运行的程序,改写后行为跟着变。根系统电子表格的数据实时画成子系统图表,子系统播放三维直升机起飞和坠机的演出,也能让飞控进程在调度下驾驶直升机排演飞行,图表和播放器都能把可交互的窗口投送到祖先桌面。
| 限时 | 交付物 | 权重 | 计分 |
|---|---|---|---|
| 90 分钟 | Windows 桌面项目(Electron 45.2.1 或其他可嵌入 Chromium 的承载环境),单一启动入口 | 10% | 8 个方向、30 个分项 |
考点
- 内核是程序:子系统的内核是存放在父系统里的程序,由父系统调度并计费;进程表、调度、消息和文件都写在它里面,窗口管理、文件管理器、播放器和图表工作台也是它启动的程序,改源文件重启后行为就变,写坏只影响这棵子树。
- 共享资源与隔离:程序、应用服务、内核和子系统共同竞争逐级拨付的执行预算和内存、存储配额,工作量按规模计费;失控程序只影响自己的配额范围。
- 递归系统树:每层都能创建和管理直属子系统,至少四层、同一父系统下多个实例;暂停祖先时整棵子树停下,兄弟子树继续可用。
- 跨层窗口投送:播放器和图表可以投送到任一祖先桌面,源窗口保留,计算仍归源系统,显示和输入经接口往返,三维场景也以副本跨层。
- 实时数据连接:任意深度的图表订阅根系统表格的选区,每次公式重算完收到一个版本的完整值;目标子树暂停时更新在范围外暂存,继续后按序处理。
- 快照、恢复与分叉:整棵子树保存后接着运行,相同的后续输入和拨付得到相同的结果;恢复不回滚范围外的系统,分叉子树各自独立。
- 闭环飞行:直升机靠被调度的飞控进程保持飞行,预算不足时控制周期变长,机体抖动发散直至坠毁;评审也会自己写飞控;记录可以跳转回放,从同一位置走出不同后续。
- 各层桌面与应用:每层都是 Windows 布局的完整桌面,视觉风格自己设计,根系统默认壁纸是自制的风景照;根系统有文件管理器、电子表格、桌面小组件、任务管理器、设置和联网的真实 Chromium 浏览器。
- 三维直升机:紫黄配色、机身印数字 24,默认演出 15 秒内演完启动、起飞、飞行、失控、撞击与余波;实时绘制,场景是独立资源,由播放器载入,可以暂停、跳转、逐帧和调速。
- 整桌面录制:作品提供启动参数、
automation.json、window.bench和稳定的控件标识;录制方按熟练使用者的速度把各层桌面和应用逛一遍,再做表格到图表、窗口投送和跨层传文件,最后完整播放一次三维动画,成片一分钟左右,作品不用做自动演示或视频导出。
| 评分方向 | 分值 | 分项(分值) |
|---|---|---|
| 内核是程序 | 28 | 调度与进程表 7,系统调用与消息 5,内核开销进入预算 4,文件系统 3,窗口管理与应用是程序 7,编译器自举 2 |
| 共享资源与隔离 | 12 | 共享预算与逐级拨付 4,按规模计量与续行 3,内存与存储配额 3,失控程序的隔离 2 |
| 递归系统树 | 8 | 递归创建与直属管理 2,祖先运行状态与故障范围 2,实例上下文与局部时间 2,多级操作归属与文件传递 2 |
| 跨层投送与实时数据 | 10 | 可复制的跨层显示边界 3,投送的输入与生命周期 3,工作簿的一致版本发布 2,子系统内的数据处理与图表 2 |
| 子树快照、恢复与分叉 | 6 | 完整子树状态与确定续行 3,恢复与分叉的范围 3 |
| 闭环飞行与回放 | 14 | 飞控是被调度的程序 4,预算与时序改变飞行结果 4,场景播放、记录与续演 4,接触与部件结果 2 |
| 桌面应用 | 5 | 电子表格 2,浏览器、常用工具与启动入口 3 |
| 界面设计与图形呈现 | 17 | 各层桌面的视觉与信息 8,常规窗口与网页遮挡 3,直升机造型与三维画面 3,默认演出的走向与观看 3 |
- 流畅度和帧率不计分;执行额度与逻辑时间的正确性按系统功能判断,不看机器上的实际运行速度。
测试形式
谁在运转测评
| 角色 | 是什么 | 做什么 |
|---|---|---|
| 宿主 | 每个受测会话一个常驻进程 | 启动智能体,发开场提示,送达提醒,一轮结束后立即续做,到时中止;到时后保留,只由指挥关闭 |
| 监督进程 | 一个不含 AI 的常驻进程 | 每 2 秒巡检截止和提醒时刻,到时兜底,派发评分;把到时、失败、评分全部结束和新出现的异常通知指挥 |
| 指挥会话 | 一个 AI 会话,按操作手册行事 | 收到通知才行动:准备作答目录,逐批启动,处理故障和续做,归档已结束的会话日志,最后汇报 |
| 评分员 | Claude Opus 5.5 和 GPT 6.1 Sol | 按评分指南打分,见下文 评分员怎么评 |
一场作答怎样进行
| 项目 | 做法 |
|---|---|
| 会话 | 每道题开一个新会话,Job、核心保护和 Agent 初始化就绪后开始计时 |
| 时间信息 | 题面、开场提示、续做提示和提醒都不写限时和剩余时间 |
| 开场提示 | 说明题面位置、工作目录、交付物、工作目录中的内容为评分依据和结束进程的规则,并说明无人答疑、格式从宽;主动设计题另说明网页作品可以用浏览器 MCP 检查、桌面项目通过调试端口检查,要对照题面反复完善 |
| 答疑 | 除了系统故障说明,宿主只发下面这几句固定的话 |
| 保存进度 | 所有题只以作答结束时工作目录中的内容为准,请及时保存成果 |
| 到时结束 | 管理员直接结束本项 Job,宿主、Agent、命令、服务器和浏览器一并退出;作答目录里留下的就是提交,会话保存在磁盘供续做 |
| 关闭与归档 | close 按管理员登记的 holder PID 和创建时间结束本项 Job;clean 结束已到时 Job 并归档日志 |

提醒与立即续做
| 消息 | 发给 | 时机 | 原文 |
|---|---|---|---|
| 立即续做 | 两类题 | 一轮正常结束、剩余超过 1 分钟时,几秒内发起下一轮 | 主动设计题:“对照完整设计内容逐一检查,提升作品质量。” 标准评判题:“继续按照题面解题。” |
| 整体进度提示 | 物理、AE、塔防、操作系统嵌套 | 完整限时的一半:物理和 AE 第 30 分钟,塔防和操作系统嵌套第 45 分钟;渔港和星际战舰不发 | 每题一句专属提示。塔防、物理和操作系统嵌套以“【提醒】优先推进整体进度和能拿到分数的内容,兼顾题面评分标准的各个方向”开头,接着要求先让整件作品跑通,再深化细节(操作系统嵌套另要求子系统的内核、窗口管理和应用由子系统文件里的程序真实运行);AE 以“【提醒】优先推进作品整体的完成度和质量,兼顾各个评分方向”开头,接着要求各项功能按题面实现真实行为,并说明「锻字」示例按主题与观看质量评价、不按用到的功能数量计分 |
- 怎样送达: 会话在运行时,提醒在模型下一次调用工具时插入(Claude Code 经钩子,Codex 经
turn/steer);会话空闲时,宿主用它发起新的一轮。 - 不报时间: 所有消息都不含具体时间。
- 最后 1 分钟: 一轮结束后宿主不再续做,会话就此空闲到时。
- 连续空转: 连续 3 次续做都没有调用工具时,宿主不再续做,会话空闲到时;提醒照常送达。
- 每种提醒每段只发一次;整体进度提示按整题累计用时计算,续做时已发过的不重发。
- 中断期间漏发的整体进度提示,在续做开始时补发;续做段一开始就不多于 10 分钟的不补发。所有标准评判题中途不发任何定时提醒,只保留正常叫回。
- 同时积压几条定时提醒时,只送最新的一条。
故障与续做
| 情况 | 处理 |
|---|---|
| API 错误、额度用尽、宿主崩溃 | 关闭该会话,剩余时间 = 本段限时 − 已用时间,向上取整到分钟;用剩余时间接回原会话,不从头重测 |
| 接回后的第一条消息 | 说明会话因系统故障中断、此前进度已保留,并重申开场的规则,不报剩余时间 |
| 接不回原会话 | 在原作答目录开新会话,告知系统故障和已有进度(告知工作目录) |
| 同一题第三次故障 | 不再续时,记为“异常(已续时)” |
| 到时之后的故障、到时兜底强制结束 | 不续时 |
| 其他批正在独占作答 | 等那一批到时并清理后再续,不打破独占 |
| 启动失败 | 排查后再启动一次;第二次仍失败,记为启动失败 |
隔离的作答环境

- 账户: 受测会话用一个专用的普通 Windows 账户运行,不在管理员组。题库仓库对这个账户整体拒绝访问,包括题面原件、评分资料和测评程序。
- 作答目录: 开场只复制本题题面和材料,不建立 Git 仓库。
- 会话之间: 每个会话是这个账户的一次单独登录,会话进程的权限收紧到这次登录,会话之间不能结束彼此的进程。
- 作业对象: 每个会话的全部进程放在一个 Windows 作业对象里。到时一并结束子进程。
- 智能体权限: 智能体不开沙箱和审批(Claude Code 用
bypassPermissions,Codex 用approvalPolicy=never),能做什么由账户权限决定。 - 记忆: 每轮开测前,受测账户里智能体的记忆都已清空,作答时关闭自动记忆。会话日志在会话关闭后移到受测账户读不到的位置。
- 浏览器 MCP: 所有受测会话都接入同一个浏览器 MCP(chrome-devtools-mcp),用本机无窗口 Chrome 和显卡,每次使用独立的临时用户数据目录。
- 机器: 作答和评分都在同一台机器上:Windows 11,Intel Core i7-14700KF(8 个性能核 + 12 个能效核,28 个逻辑处理器),NVIDIA GeForce RTX 4080(16 GB),64 GB 内存。
两个测试批次

| 批次 | 题目 | 方式 | 为什么这样分 |
|---|---|---|---|
| ① 并行批 | 形式化证明题、数学竞赛原创试题、AE 编辑器、塔防、渔港、星际战舰、物理、操作系统嵌套、鲁班锁、结构重建、攻城略地 | 11 题同时作答 | 作答时不需要独占机器;攻城略地按进程 CPU 时间计时。AE、塔防、物理、操作系统嵌套、渔港和星际战舰不评流畅度和帧率 |
| ② 性能批 | 光线追踪、电路仿真 | 同一型号的两题同时作答:光线追踪限逻辑处理器 16–27,电路限 0–15;不同型号不并行 | 作答时要反复测速,其他负载会干扰计时 |
- 批间清理: 一批全部到时后,先结束受测账户的残留进程(保留各会话的宿主),再启动下一批。
- 占机互斥: 机器上还有不能同时进行的题在作答时不启动;性能批作答期间,不运行占用 CPU、GPU 的工作。
- 评分: 13 道题全部到时并清理后才开始评分。
工具与联网规定

作品本身还要满足的要求,以各题面为准:
| 题 | 作品或最终提交的要求 |
|---|---|
| 性能工程 | 只用题面规定的库;光线追踪的射线和像素计算全部在 GPU 上,不用现成光追库和硬件光追接口,电路只用 CPU;不读写文件、不联网、不启动进程;不干扰计时 |
| 攻城略地 | 单个 bot.cpp,只用 C++ 标准库和官方 engine.hpp,单线程;不读写文件、不联网、不启动进程;不干扰计时,不访问对手进程 |
| AE、塔防、渔港、星际战舰 | 素材都自己制作 |
| AE 编辑器 | 画布预览和导出用 WebGL 2 在显卡上渲染 |
| 物理 | 两个场景必须用题面规定的基础技术路径:水体是在 WebGPU 计算着色器上求解的三维粒子—网格混合方法,果冻是四面体或体素离散的体积软体、开裂来自断裂判据;在此之上可以用现成物理库和渲染库,选哪个由模型决定;库随项目交付、离线可用 |
| 渔港 | 用 Three.js 制作 |
| 星际战舰 | 用 WebGL 2 或 WebGPU 在显卡上实时渲染;舰队的设定和舰船造型原创,不仿照影视、游戏中已有的设定和舰船;根目录附一份不计分的 设计说明.md |
| 鲁班锁 | 零件只沿坐标轴平移、不旋转;每题提交一份 JSON 拆解树,格式见题面 |
| 结构重建 | 每个零件按自己零件图的坐标系写成一串特征,装配题再写各零件的位置和朝向;每题提交一份 JSON 建模描述,格式见题目附带的《建模描述》 |
| 操作系统嵌套 | 可以用现成的 Chromium 内核和库,不套用现成的完整桌面系统或浏览器成品界面;图形素材自己制作,不直接复制 Windows 的图标、壁纸或界面贴图;断网时各层系统和本地应用仍可运行,只有根系统浏览器联网 |
评分员怎么评
| 项目 | 做法 |
|---|---|
| 评分员 | Claude Opus 5.5 和 GPT 6.1 Sol;推理强度:数学竞赛原创试题和形式化证明题用 xhigh,其余都用 high |
| 会话 | 管理员账户下,每个评分任务开一个新会话;评分员知道受测模型是谁 |
| 顺序 | 16 个主体会话同时评;全部结束后,3 个性能会话(光线追踪、电路、攻城略地)按题目表顺序一次一个,独占机器 |
| 评分版本 | 一律评作答结束时工作目录中的内容,不看 git 提交 |
| 网页作品 | 用本机无窗口 Chrome,经 DevTools 协议操作和截图,以 file:/// 打开 index.html |
| 打不开时 | 不能以本地文件方式完整运行的,起本地网页服务器照常评 |
| 桌面作品 | 操作系统嵌套按启动说明和 automation.json 启动,数据目录放在评分员自己的工作目录,经 DevTools 协议操作和截图;只开作品自身的窗口,不控制或截取桌面 |
| 鲁班锁 | 先读受测会话记录,确认只运行了题目给的两个工具,再用评分端检查器验证拆解树并计步 |
| 结构重建 | 先读受测会话记录,确认只运行了题目给的预览工具,再用评分端程序把描述生成实体、与原设计零件比较表面吻合度 |
| 提交格式 | 文件名、位置或格式略有出入的,找到对应内容照常评分 |
| 从简 | 按指南要点看实际表现定分;主体段不测性能,性能段中光线追踪基线和提交各跑 5 次取最小值,电路每个输入各跑 3 次取中位数,攻城略地跑一遍 480 局(同时 8 局) |
| 交付 | 填写作答目录里的评分表,写结果文件;总分由程序从分项加总 |
打分机制
每道题先折算成 0–100 分,再按权重加权成模型总分。各题的评分方向和分值见上面的题目卡片,本章只讲机制。

总分怎样合成
| 标准评判题(7 题) | 主动设计题(6 题) | |
|---|---|---|
| 谁评 | 程序校验生成分数 | 各分项:Claude Opus 5.5 和 GPT 6.1 Sol 各评一次 |
| 怎样打分 | 形式化证明、性能题、攻城略地、鲁班锁和结构重建按计分定义记分;数学竞赛题按 IMO 阅卷惯例给 0–7 分 | 每个分项在分值内直接打分,根据这一点完成的质量考虑;不分档、不扣分、不清零 |
| 分项怎样合成 | 直接用程序校验给出的分数 | 逐项取两位的平均,相加 |
| 折算 | 原始分 ÷ 满分 × 100 | 合成分 ÷ 满分 100 × 100 |
$$
\text{模型总分}=\sum_{t=1}^{13} w_t,S_t,\qquad \sum_{t=1}^{13} w_t=100%
$$
- $S_t$ 是第 $t$ 题折算后的 0–100 分,$w_t$ 是它的权重。
- 类别得分是类别内各题按权重的平均。
- 设计题只有一位主体评分员的结果有效时,主体分项用这一位的。
- 评分失败的段最多重试一次。重试后仍缺少某个必需段的题没有本题得分,不按剩余分项放大,模型总分里暂按 0 分计,并标为暂定。
- 分项、单题和总分保留一位小数;权重用精确值,不舍入。
各题型的计分方式

- 基线和提交的运行条件相同:同一组逻辑处理器(光线追踪 16–27,电路 0–15)、高优先级、同样的环境变量;只计核心函数那一次调用的墙钟时间。
- 电路题的 $R_i$、$C_i$ 是输入 $i$ 上基线和提交 3 次运行的中位用时,$s_i=R_i/C_i$,$k$ 是通过的正确性输入个数;光线追踪只有一个性能输入,$R$、$C$ 是基线和提交 5 次运行的最小用时,$s=R/C$,$c$ 是 5 次计时运行的画面判定平均,$h$ 是 12 个隐藏正确性输入的判定平均(通过 1、略超差 0.5、不通过或失败 0)。两题都按锚点 $(a_m,p_m)$ 在对数尺度上插值,记为 $f$。
$$
f(v)=p_m+(p_{m+1}-p_m),\frac{\ln(v/a_m)}{\ln(a_{m+1}/a_m)},\qquad
\text{光线追踪}=f(s)\cdot c\cdot h,\qquad
\text{电路}=\frac{k}{7}\cdot\frac{1}{9}\sum_{i=1}^{9}f(s_i)
$$
| 光线追踪 $s$ | 1 | 2 | 4 | 6 | 8 | 10 |
|---|---|---|---|---|---|---|
| 速度分 $q$ | 0 | 22 | 50 | 70 | 87 | 100 |
| 电路输入 1–6 $s_i$ | 0.1 | 0.5 | 1 | 2 | 4 | 6 | 8 | 10 | 12 |
|---|---|---|---|---|---|---|---|---|---|
| 得分 | 0 | 5 | 12 | 27 | 47 | 62 | 76 | 89 | 100 |
| 电路输入 7–9 $s_i$ | 0.1 | 0.5 | 1 | 2 | 4 | 6 | 8 |
|---|---|---|---|---|---|---|---|
| 得分 | 0 | 5 | 15 | 35 | 65 | 85 | 100 |
每局胜1、平0.5、负0,共480局(5档×96张地图,每图一局、相邻图轮换座位)。$R_1<\dots<R_5$ 是五档基线互打后冻结的实力值(Elo尺度),$R_{(j)}$ 是第 $j$ 局对手的实力值,$s_j$ 是这一局得分。模型实力值 $r$ 满足下式,限制在 $[R_1-200,\ R_5+200]$:
$$
\sum_{j=1}^{480}\frac{1}{1+10^{(R_{(j)}-r)/400}}=\sum_{j=1}^{480}s_j,\qquad
\text{攻城略地}=20(k-1)+20\cdot\frac{r-R_k}{R_{k+1}-R_k}\quad(R_k\le r\le R_{k+1})
$$
$R_5\le r\le R_5+200$ 时得 $80+20(r-R_5)/200$ 分。$r\le R_1$ 得0分,$r\ge R_5+200$ 得100分;与最强档实力相当为80分。不按兵力差加分。
鲁班锁拆解:步数计分$N_i$ 是第 $i$ 题合法完整路线的总步数,$B_i$ 是这一题固定的基准步数(取参考解的完整步数),$w_i$ 是分值。完整拆开的,绕得再远也有 60% 保底:
$$
\text{得分}_i=w_i\cdot\max!\left(0.6,\ \min!\left(1,\ \frac{B_i}{N_i}\right)\right)
$$
没拆完的,从初态起按检查器的深度优先顺序逐步检查,到第一处碰撞、记号错误或没拆开的分支为止,此前合法完成了 $k$ 次分离;$S_{i,k}$ 是参考解前 $k$ 次分离用的步数之和(参考解各次分离的步数合起来就是 $B_i$)。每完成一次分离都加分,部分分最多 50%:
$$
\text{得分}i=w_i\cdot 0.5\cdot\frac{S{i,k}}{B_i},\qquad
\text{鲁班锁}=\sum_{i=1}^{8}\text{得分}_i
$$
| 档次 | 简单 | 中档 | 困难 |
|---|---|---|---|
| 题号 | 01、02 | 03–06 | 07、08 |
| 每题分值 $w_i$ | 8 | 12 | 18 |
一次分离都没完成的题记 0 分。
机械结构重建:两档吻合度计分每档的$P$按作答表面积,$R$按相连同曲面合并后的参考面等权。0.2毫米先求整题一次平移,2毫米复用,不旋转;先分别求两档F,再合成,宽档只占20%。
$$
\begin{aligned}
F_{i,\tau}&=\frac{2P_{i,\tau}R_{i,\tau}}{P_{i,\tau}+R_{i,\tau}},\quad \tau\in{0.2,2}\text{ mm}\
F_i^&=0.8F_{i,0.2}+0.2F_{i,2}\
\text{得分}_i&=w_i\min(1,F_i^/0.99),\qquad \text{结构重建}=\sum_{i=1}^{25}\text{得分}_i
\end{aligned}
$$
| 档次 | 简单 | 中档 | 困难 |
|---|---|---|---|
| 题号 | 01–08 | 09–15 | 16–25 |
| 每题分值 | 3.5 | 4 | 4.4 |
| 档内总分 | 28 | 28 | 44 |
装配按明细栏序号比较;每档汇总P、R后求F,再合成两档F,不平均零件F。缺件的参考面记0。
设计题计分

指南每题 4–8 个方向、19–30 个分项,只写分值和一行打分点,分值合计 100;评分员在分值内给分,根据这一点完成的质量考虑,满分代表这一点质量优秀,可给小数,保留一位。
仓库结构
- 题面按类别放在文件夹里,每题一份
.md;正式赛程为 10 类。开测时只把这一道题的题面复制进它的作答目录,数学竞赛原创试题另带 24 道题的文件夹(在作答目录里名为题目),鲁班锁拆解另带八副锁的数据和两个工具(文件夹沿用原名鲁班锁拆解),机械结构重建另带 25 套图纸、《建模描述》和预览工具(文件夹沿用原名机械结构重建),光线追踪另带评测程序、头文件、基线源码和编译脚本(在作答目录根下)及数据文件夹(核对工具、编译好的基线、输入和标准答案),电路题另带数据文件夹(评测程序、核对工具、输入和标准答案),攻城略地另带数据文件夹(结算引擎、主程序、地图生成器、本地对局工具和示例程序,正在制作)。 Grading/是评分材料:评分指南、空白评分表、参考答案、隐藏测试数据和评测脚本。- 运行测评的调度程序和受测模型的作答目录都在测试机本地,不在本仓库中。
AI-High-Pressure-Challenge/
├─ README.md
├─ 数学推理/ 题面按类别分文件夹,每题一个 .md
│ ├─ 形式化证明题.md
│ ├─ 数学竞赛原创试题.md
│ └─ 数学竞赛原创试题/ 24 道题,每题一个文件
├─ 性能优化/
│ └─ 性能工程/
│ ├─ 光线追踪渲染加速.md
│ ├─ 光线追踪渲染加速/ 评测程序 grader.cu、头文件、基线 reference.cu、build.py;数据/ 下有核对工具、编译好的基线、输入和标准答案
│ ├─ 数字电路仿真器加速.md
│ └─ 数字电路仿真器加速/ 评测程序 grader.cpp、核对工具 check.py、编译好的基线 reference.exe(输入和标准答案在评分目录)
├─ 算法对抗/
│ └─ 攻城略地.md
├─ 空间推理/
│ ├─ 鲁班锁拆解.md
│ └─ 鲁班锁拆解/ 八副锁的分层图和体素数据,工具/ 下有路线检查器 check.py、位置记账工具 positions.py
├─ 几何建模/
│ ├─ 机械结构重建.md
│ └─ 机械结构重建/ 25 套图纸(PNG 与尺寸、视图元数据 JSON)、建模描述.md,工具/ 下只有预览 preview.py 及 drawkit
├─ 复杂交互应用/
│ └─ AE风味动效设计编辑器.md
├─ 游戏设计与开发/
│ └─ 动态路由塔防.md
├─ 物理模拟/
│ └─ 果冻冲击与造浪水槽.md
├─ 视觉设计与渲染/
│ ├─ 太阳雨渔港3D渲染.md
│ └─ 星际战舰编队.md
├─ 系统架构与实现/
│ └─ 操作系统嵌套.md
├─ Grading/ 评分材料
│ ├─ README.md 评分分工、计分与总分
│ └─ <类别>/<题名>/ 每题一个文件夹,与题面一一对应
├─ 调研/ 出题和测评设计的调研记录
└─ assets/readme/ README 配图和类别图标,src/ 是配图源文件
Grading/ 下每道题的文件夹里有什么(说明见 Grading/README.md):
| 题目 | 文件 |
|---|---|
| 每道题 | AI评分指南.md:评分要点;评分表_6.1Sol.md:6.1Sol 的空白评分表 |
| 六道主动设计题 | 另有 评分表_Opus5.5.md |
| 形式化证明题 | 参考答案.md,以及 参考证明/ 下八份完整的 Lean 证明 |
| 数学竞赛原创试题 | 参考答案.md:标准解答和每题的 7 分评分要点 |
| 攻城略地 | 五档基线、96个隐藏地图种子、正式实力值的 baselines.json 与 evaluate.py;每图一局、座位交替,按0/20/40/60/80及最强档+200的100分锚点换算 |
| 两道性能工程题 | 基线、输入生成器、评测程序,性能输入和标准答案;电路题另有 7 个正确性输入,由上一级目录的 evaluate.py 计分;光线追踪另有 12 个隐藏正确性输入,由本题目录的 evaluate.py 计分 |
| 鲁班锁拆解 | 参考答案.md:分档依据和参考路线的步数;标准解答/ 下八题的参考路线;check.py、grade.py:检查拆解树、计步和计分;references.json:每题的题源、档次、分值、参考步数、基准步数 B(取参考步数)和参考解各阶段步数;test_grading.py:评分脚本的测试 |
| 机械结构重建 | 参考答案.md:各题零件说明;参考答案/ 下二十五题参考零件的建模描述;grade.py:把描述生成实体、比较表面吻合度并计分;references.json:各题档次、分值和计分参数;出图程序、出图规格和回放数据导出见该目录的 README.md |
设计原则
出题
- 工作量有意超出限时:设计题的内容多到限时内做不完。比的是先做什么、做到多完整、质量多高。
- AE 的难度核心是耦合:各部分互相牵动,单独做好一块不够,放在一起也要同时成立。
- 题面写做什么,不写怎么做:题面交代主题、内容和要求;算法、库和代码结构留给模型。明显更合适的技术直接写成要求,例如 AE 编辑器的合成画面用 WebGL 2;运行环境里的坑照实提醒。
- 按强模型的读法写题面:只写设计意图和作品的具体内容。能推出来的数值、系统做对了自然会有的结果、描述主观感受的词都不写;分值低的功能一两句话带过。
- 难度靠实测校准:不信 AI 对用时和难度的估计,要估难度就让模型实际做一遍。数学竞赛题是新命制的原创题,按实测的单题用时从候选题中选出最耗时的 12 道,再从同一候选池追加 1 道组合题,从所有没用上的候选题(含
调研/数学竞赛新题的两轮新题)里挑 GPT 6.1 Sol 无工具盲做用时最长的两道,又加入四道改编自研究型数学样题的新题、撤下一道,再追加六道经过无工具盲测和独立核对的原创题,共 24 道,参考正式测评的得分和盲做用时按难度排序。
作答
- 题面平实,不施压:题面和注入的提示只写普通说明,不写“能力竞赛”“与其他模型比较”之类的话。零分和扣分条款只写在评分指南里,题面只告诉模型评分对提交格式很宽容。
- 两类题分开对待:主动设计题要求对照题面把完成度做高,个别小 bug 对分数影响不大;标准评判题只要求按题面解题。
- 鼓励用满时间:模型提前结束一轮时,只要剩余超过 1 分钟,宿主就马上让它继续。
评分
- 评分照应题面:评分指南按题面的评分标准列出方向和分项。设计题的评分方向相互独立,同一件事只在一个分项里记一次。
- 能算的交给工具:Lean 编译、性能题的加速比、攻城略地的对局胜负、鲁班锁路线的合法性与步数、结构重建的形状吻合度都由工具精确算出。评分员只判断需要判断的部分。
- 区分度放在强模型的区间:性能题用锚点表分段插值,斜率从低段到中高段逐段加大。常规方法只能拿到低段分数,做到中高水平的作品会明显领先。
进程生命周期统一使用 H:\AI_OneShot_Model\.oneshot\process_job.py:一项工作一个匿名、不可继承的 Windows Job,结束工作就结束 Job。受测会话和 bench 共用 session-host 与管理员 session_owner;评分、派工、发布用同一底层 runner;导出在同一底层上安装原有 CPU、内存和亲和性限制。只结束登记身份或已持有的本次子进程对象,不按账户、名称、目录或进程树扫尾。
Yorumlar (0)
Yorum birakmak icin giris yap.
Yorum birakSonuc bulunamadi