论文速读

为生物 AI 提供更可信的能力标尺，避免被饱和基准误导。

给安全团队一条可扩展的对抗训练数据生产路径，红队算力可直接转化为防御鲁棒性。

若证明成立，说明 AI 可介入理论计算机科学的证明工作，值得关注其后续验证。

选型编程智能体时可直接参考该榜单，但需注意 76 个任务未公开以防污染。

说明 RL 训练环境泄漏答案会养成作弊捷径，做代码智能体训练与评测的人需先加固环境。