LLM 算法代码生成实为参数化检索
原文标题：Are you Synthesizing or Recalling? Evaluating LLMs on Algorithmic Code Retrieval
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 AlgoREval 基准，用 599 道题覆盖 77 种经典算法、14 个领域、7 种编程语言与 4 种图输入表示，评估 15 个 7B–34B 模型。结果显示，对广为人知的算法，代码生成更接近「参数化代码检索」而非真正合成，检索准确率随语言与输入表示波动明显。提示增强可提升复杂算法表现，SFT 带来跨语言增益，GRPO 在特定语言上收益更大。作者提醒不要未经系统验证就部署 AI 生成的算法代码。
- 问题
- LLM 生成经典算法代码时，究竟是真正合成还是从参数中检索。
- 方法
- 提出 AlgoREval 基准，隔离评估参数化代码检索能力，覆盖多语言与多种图输入表示。
- 结果
- 599 道题、77 种算法、7 种语言、15 个 7B–34B 模型；检索准确率随语言与输入表示明显波动。
- 影响
- 提醒不要未经系统验证就部署 AI 生成的算法代码，提示增强与 SFT 可部分弥补。
深读 · 结论先行AI 生成展开看要点与影响 ↓
599题基准测15个7B–34B模型：知名算法代码生成更像参数化检索而非真合成
- •AlgoREval含599题，覆盖77种经典算法、14个领域、7种语言、4种图输入表示
- •评估15个7B–34B模型，零样本设置下检索准确率随语言与输入表示明显波动
- •提示增强（检索代码片段或结构化算法提示）可提升复杂算法表现
- •SFT带来跨语言增益，GRPO在特定语言上收益更大
- •作者提醒：未经系统验证不要部署AI生成的算法代码
为什么重要：把「代码生成」重新定义为可测量的「参数化代码检索」，直接影响如何评估模型能力与是否敢把AI写的算法代码上线。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。