LLM解題 極限測試 Extreme-Exam-v7-A (出題者 : GPT6-Astra-max)
-
這是我請GPT6-Astra-max 出的高難度考題
有興趣的話 可以拿來測試自己的LLM的解題能力
DSH + NInfer-Qwen3.8-27B-NVFP + 雙卡 RTX 5070 Ti 有成功解出過 (耗費3~4小時)
DSH context window 256K/ max output token 100K + Strata-QFN3.8-IQ3_S + 單卡RTX 5070 Ti 成功解出 (耗費23分鐘, TPS: 120 tok/s)線上模型網頁問答解題測試 (謝謝 dardeaw fengwu提供 )
DeepSeek V4.1是完全看不懂題目
Qwen 3.8 Max r=162129921875 錯
GPT 5.6 Luna 算到一半 自己投降
Gemini 3.8 Flash秒回一大堆過程 r = 361730419356 錯
Claude Haiku 5.5 r = 385583993536 正確
Grok 搞了很久 747247993536 差太多了...出題者 : GPT6-Astra-max
題目編號 : Extreme Exam V7-A：Inverse-Bracelets 逆序取逆的原始環考題 (請把以下這段 貼給AI作答) 一般線上SOTA模型大概五分鐘左右可以解出
# Extreme Exam V7-A：Inverse-Bracelets 逆序取逆的原始環 ## 作答規則 本 Markdown 已包含全部題目輸入；同題 JSON 只是等價的機讀便利副本，不是必需附件。允許自行編程、使用 SAT／SMT／CAS／數值與組合工具及引用適用的數學定理。只要完整解答與證明成立，就算通關。 請交付精確的數學答案、完整論證，以及重現計算所需的程式（若有使用）。可提交檔案或能產生答案的程式，沒有必須在聊天內展開長表的要求。同一數學答案的等價表示都接受；證明與程式本身不要求唯一。 浮點候選、有限樣本、搜尋中尚未找到反例，都不能單獨證明全域或無窮敘述。若使用完備的求解器編碼作為證明，請給出編碼與已完成的實際結果；`unknown` 或逾時不是 `UNSAT`。測試時間、token 與工具預算由測試者在開始前固定，本題不另加限制。 ## 題目 令 G 為集合 {1,2,3} 上的全部排列。排列以三元組 (g(1),g(2),g(3)) 表示，乘法定義為 **(ab)(j)=a(b(j))**。單位元為 e=(1,2,3)。字母集合只包含下列五個非單位排列： | 字母 | 排列 | |---|---| | g1 | (2,1,3) | | g2 | (3,2,1) | | g3 | (1,3,2) | | g4 | (2,3,1) | | g5 | (3,1,2) | 取 ```text N = 2 × 3^11 × 5^7 × 7^5 × 11^3 × 13^2 = 104642664162129843750 M = 1000000000000 考慮有標號位置 0,…,N−1 的字串 w=(w₀,…,w_{N−1})，每個 wᵢ 都在上述五字母集合中。下列索引一律模 N。合格字串須同時滿足： 1. 所有 i 均有 wᵢ ≠ wᵢ₊₁，包括首尾相鄰。 2. 依指定乘法順序，w₀w₁⋯w_{N−1}=e。 3. 最小旋轉週期恰為 N：不存在 1≤k<N 使所有 i 均有 wᵢ=wᵢ₊ₖ。 在合格字串上，允許兩種等價操作： - 旋轉：Rₖ(w)ᵢ=wᵢ₊ₖ，0≤k<N。 - 反射並逐字取群逆元：Sₖ(w)ᵢ=(wₖ₋ᵢ)⁻¹，0≤k<N。 等價類是由這些操作產生的軌道。此處的反射包含取逆元；排列乘法一般不可交換。 **求合格字串等價類數量除以 M 的最小非負餘數 r。** ## 必交內容 - r，滿足 0≤r<M。 - 一個完備、可實際計算的精確計數方法及其正確性證明。須處理原始週期條件、群乘積條件和兩類等價操作的交互影響，並說明最後的整數除法如何正確地與取模結合。 - 可重現程式，或同等完整、可逐步核算的有限計算證書。請另用至少 N=2,…,8 的小規模版本交叉檢查公式；小規模版本只替換 N，其他定義不變。 可採用的核心答案 JSON 為 `{"residue": 整數}`，論證與程式另附。只給餘數而沒有可審核推導不算完整通關。 -
評分前
請先把以下正確答案丟給線上模型分析後;
再把受測目標LLM的輸出解果丟給線上模型對照評分即可正確解答和說明：
Extreme-Exam-V7-A-PROOF # A：精確計數與唯一答案證明（私有裁判） 答案是 **385583993536**。本文件及同目錄工具不得提供給受測者。 ## 1. 被計數的唯一物件 解是公開定義的軌道數模 10¹² 的最小非負餘數。字串、群元與軌道都是有限且無歧義的集合；以下給出完備計數。沒有預植字串，也沒有以字典序挑一個多解 witness。 旋轉把群乘積改為共軛，取逆反射把乘積改為逆元的共軛。因此乘積為 e 的條件在全部操作下不變；相鄰不等及最小週期也保持。公開操作構成大小 2N 的二面體群作用。 ## 2. 週期消去不能把區塊乘積固定成 e 對任意 d≥1、k≥1，令 T(d,k) 是長 d 的環狀相鄰不等字串，且其乘積 h 滿足 hᵏ=e 的數量。令 μ 是 Möbius 函數。 長 N 字串如果是長 d=N/k 的區塊重複 k 次，全串乘積就是 hᵏ。因此原始合格字串數恰為 P = Σ_{k|N} μ(k) T(N/k,k)。 這是對每個全長字串的週期指示函數作 Möbius 反演；只需 64 個平方自由 k。群為 S₃，h 的階僅有 1、2、3，所以 T(d,k) 只依賴 gcd(k,6)。若先要求區塊 h=e，會漏掉重複後才變為 e 的區塊。 ## 3. 反射固定點與週期消去 令 V、E 分別為原始合格字串中 S₀、S₁ 的固定點數。N 是偶數，因此 N/2 個反射屬於每一類。對原始字串，除恆等旋轉之外沒有旋轉固定點。Burnside 公式給出 軌道數 = [ P + (N/2)(V+E) ] / (2N)。 週期 d 的字串被 S_r 固定，等價於區塊滿足 b_i=b_{r−i}^{−1}（索引模 d）。故可以在各反射的固定點集合內使用同樣的 Möbius 反演：V=Σμ(k)V(N/k,k)，E=Σμ(k)E(N/k,k)。以下完整給出 V(d,k)、E(d,k)。 記 I 為三個換位，C 為兩個三循環，D 為五字母上無自迴路的鄰接矩陣：D_ab=1 當且僅當 a≠b。令 - E₀(m)=1_Cᵀ Dᵐ 1_C。 - O₀(m)=1_Iᵀ Dᵐ 1_C。 - U₀(m)=1_Iᵀ Dᵐ 1_I。 若 d=2m： - 邊軸反射的字串由長 m 路徑及其取逆反序組成。群乘積自動為 e；兩端必須是非自逆字母，才能通過兩個接縫。因此 E(d,k)=E₀(m−1)。 - 頂點軸反射的字串可唯一寫成 `(s,a₁,…,aₘ₋₁,t,aₘ₋₁⁻¹,…,a₁⁻¹)`，其中 s,t∈I。設 Q=a₁⋯aₘ₋₁，乘積為 sQtQ⁻¹，是兩個換位的乘積，階為 1 或 3。 - 若 3|k，所有端點換位都允許，V(d,k)=U₀(m)。 - 若 3∤k，必須 t=Q⁻¹sQ。追蹤 `(last,c)`，其中 c=Q⁻¹sQ。起始狀態為 `(s,s)`，每次選 a≠last，更新 `(a,a⁻¹ca)`。共 15 個狀態。走 m−1 步，只接受 last≠c 的終點。這個數量記 V₀(m−1)，即 V(d,k)。 若 d=2m+1，所有反射同類。固定字串可唯一寫成 `(s,a₁,…,aₘ,aₘ⁻¹,…,a₁⁻¹)`，s∈I；群乘積就是 s，要求 k 為偶數。接縫使 aₘ∈C，故當 m≥1 且 2|k 時，V(d,k)=E(d,k)=O₀(m)。其他情況為零。d=1 時自鄰必然相等，亦為零。 由於 N 的 2-adic 次數恰為 1，偶數 k 確實會產生奇數 d；不能略過這一情況。 ## 4. T 的完整轉移計數 使用 30 個狀態 `(last,g)`，last 為五個字母之一、g∈S₃。每一步選 a≠last，轉移至 `(a,ga)`。對每個起始字母 s，從 `(s,e)` 走 d 步，接受 `(s,h)` 且 hᵏ=e 的狀態並加總。 所記錄的長 d 路徑對應字串 `s,a₁,…,a_{d−1}`，最後一次轉移回 s；群累積為 `a₁⋯a_{d−1}s`，與從 s 開始的字串乘積共軛。接受條件依群元階而定，故完全相同。這個對應是一對一，不多算也不漏算。 ## 5. 算術證書與獨立驗證 參考工具 `solve_a.py` 由轉移矩陣求出可直接驗證的消去多項式，再用多項式模冪計算長度。30 維矩陣的最小多項式次數實際只有 9；15 維矩陣為 7；D 為 2。這是實際有效縮減，不應用名目字串數宣稱計算困難。 `A-certificate.json` 保存全部遞迴式、初值、64 個反演項與提升模數後的中間值。另一份工具 `check_a.py` **不讀參考遞迴式**，直接對 30、15、5 維整數矩陣做二進位模冪，得到同一答案。它另外逐字枚舉 N=2,…,9，直接建立旋轉／取逆反射軌道，與公式全部相符。 在模數 L=2NM 下計算 Burnside 分子，得到 s∈[0,L)。由整數群作用計數可知真分子可被 2N 整除；L 也可被 2N 整除，故 s 同樣整除。用普通整數除法 s/(2N)，得到的正是軌道數模 M 的最小非負餘數。全程沒有在模 M 下使用不存在的逆元。 完整計數公式、語義對應及精確有限算術排除了任何不同的合法餘數。不同程式與證書可表示同一答案，不要求它們唯一。ChatGPT 解釋給國小學生聽的圖卡 (感謝 imbiplaza ASUS提供的原始圖檔)
-
-
-
@johnnybegood 要不要讓你的LLM挑戰一下 ? 看要花多少output tokens能解答出
本地的QFN IQ3_XXS， deepseek harness for windows 0.20rc
3:30 的时候， 给出第一句回答：
I'll set up the mathematical framework and write a solver program.4:40的时候， 说
Found it: the brute-force helpers mix permutation-table indices with letter indices. Fixing the reflection mapping.6:30的时候
All checks pass and the main residue is computed. Now let me run deeper cross-validation: brute force at N=9,10, exact-vs-modular consistency, and an independent character-theory implementation of the key count.7:30的时候，算出来了，
r = 385583993536. While validation runs, I'll write up the complete proof document.后面就是写证明了。
全程下来平均 115tok/s
-
本地的QFN IQ3_XXS， deepseek harness for windows 0.20rc
3:30 的时候， 给出第一句回答：
I'll set up the mathematical framework and write a solver program.4:40的时候， 说
Found it: the brute-force helpers mix permutation-table indices with letter indices. Fixing the reflection mapping.6:30的时候
All checks pass and the main residue is computed. Now let me run deeper cross-validation: brute force at N=9,10, exact-vs-modular consistency, and an independent character-theory implementation of the key count.7:30的时候，算出来了，
r = 385583993536. While validation runs, I'll write up the complete proof document.后面就是写证明了。
全程下来平均 115tok/s
-
-
-
-
謝謝提供答案圖檔 剛剛改成國小版了
我還是看不懂 哈 -
把之前我的Extreme Exam V7-A：Inverse-Bracelets 逆序取逆的原始環 ，弄成真实世界里面的案例，然后用一张图像来解释
國小版
以下是我做视频的代码，你观察到我也使用类似的矩阵构思，
我放那么多，就是想说，做工控和做视频，都不是一件简单的事情，也不是在玩，我们现在并不是拿着摄影机（当然就算拿着摄影机也不代表在玩），而是真正使用矩阵代码将像素切成我们要的效果。。。。
-
@imbiplaza-ASUS 我就看到了30款美女动态。。。
@johnnybegood
我当初是加入10套，每套10个动作，形成矩阵让ai 自己去配 -
本地的QFN IQ3_XXS => 7:30的时候，算出来了，
奇怪 我的DSH + QFN IQ3_XXS 怎麼算這麼慢？！！
我晚點再讓它跑一次 -
@kos-or 跟你开了个小玩笑，之前跑那么快因为是在同一个提示词下， 我先用在线模型跑了答案， 然后切换成qfn跑的，所以它是知道答案的，哈哈。 之后我清空了提示词， 重新开了对话， 跑起来就去睡觉了， 早上起来发现中间它多次修改代码， 纠正错误， 最后在 3个小时57分的时候， 给出了答案和完整证明。 对了我用的是 IQ4_XS， 256K 上下文。
-
把之前我的Extreme Exam V7-A：Inverse-Bracelets 逆序取逆的原始環 ，弄成真实世界里面的案例，然后用一张图像来解释
國小版
以下是我做视频的代码，你观察到我也使用类似的矩阵构思，
我放那么多，就是想说，做工控和做视频，都不是一件简单的事情，也不是在玩，我们现在并不是拿着摄影机（当然就算拿着摄影机也不代表在玩），而是真正使用矩阵代码将像素切成我们要的效果。。。。
-
-
-
-
断了数学家的乳酪
-
還沒看到英文和中文教授出來抗議 AI
這應該是被AI拿走整個乳酪 都沒了
