Saad B. Alarifi, Mohammed A. Alam · 2026 · arXiv
DOI: 10.48550/arXiv.2610.30223 · open-access PDF
Các mô hình ngôn ngữ lớn ngày càng được sử dụng trong lập trình cạnh tranh, và các sản phẩm của chúng nhạy cảm với cách thức một lời nhắc được diễn tả. Công việc trước đây đã so sánh các chiến lược của lời nhắc cho độ chính xác trên lập trình cạnh tranh, nhưng không phải cho tốc độ chạy, và đã không đặt kết quả so với hiệu suất của con người. Trong một nghiên cứu khám phá của một lời nhắc trong mỗi trong chín phong cách trên GPT-5.5 trên ba nhiệm vụ chính xác từ Thế vận hội Quốc tế về Khoa học Máy tính (IOI) và hai nhiệm vụ tốc độ cứng NP, chúng tôi thấy rằng không có lời nhắc duy nhất là tốt nhất: lời nhắc mạnh nhất phụ thuộc vào loại nhiệm vụ và liệu kết quả là
Machine translation (Meta M2M100); the English original follows.
Large language models are increasingly used in competitive programming, and their outputs are sensitive to how a prompt is phrased. Prior work has compared prompt strategies for accuracy on competitive programming, but not for runtime speed, and has not situated the results against human performance. In an exploratory study of one prompt in each of nine styles on GPT-5.5 across three accuracy tasks from the International Olympiad in Informatics (IOI) and two NP-hard speed tasks, we found that no single prompt was best: the strongest prompt depended on the task type and on whether results were
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.30223, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange