LLM解題 極限測試 Extreme-Exam-v7-A (出題者 : GPT6-Astra-max)
-
@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 -
-
@kos-or 我看了一下log, 发现中间有一段时间速度只有 2-3tok/s , 当时的cpu是 100%占满了， 居然是被它开了好几个 chrome来调试占满的，所以速度比较慢。 这可能是个bug。后面提示词我会加入让它最多只能开一个。
居然是被它开了好几个 chrome来调试占满的，所以速度比较慢
Extreme-Exam-v7-A 解題不需要動用到 Chrome吧
當時是跑 DSH on Chrome嗎？发现中间有一段时间速度只有 2-3tok/s , 当时的cpu是 100%占满了
我猜它會使用CPU進行Brute-force, 這個資源會和 QFN的RAM (CPU offloading) 產生搶資源衝突, 所以才 2-3tok/s
AI使用暴力破解Brute-force, 應該可以事先指定free GPU資源的, 讓它可以調度使用GPU解題
例如 : "測試過程中你可以使用GPU1當作運算工具"
我推測這會加速解題速度 -
-
我的Qwen 27B NVFP4 用了3小时25分, ChatGPT给判了98分.
总 token 体量 ≈ 1470 万(输入 + 输出 + 缓存读 ≈ 2.02M + 0.24M + 12.48M)
Extreme-Exam-V7-A 评测总结
受测模型： 本地 SGLang Qwen 27B
最终评分：98/100（A+）
评判结果：优秀，成功解题1. 答案正确性
- 标准答案：385583993536
- 模型答案：385583993536
- 结果：完全一致。
2. 数学与算法评价
- 正确应用 Burnside 引理与 Möbius 反演。
- 正确处理重复区块的群乘积条件。
- 完整考虑不同周期及反射类型。
- 巧妙利用 S₃ 群表示论与矩阵快速幂，提高计算效率。
- 数学方法与标准答案不同，但核心推导正确。
3. 验证与可靠性
- 提供完整 Python 求解程序及数学证明。
- 对 N=2～10 进行了小规模交叉验证。
- 使用三套模数进行大规模计算一致性检查。
- 个别证明表述不够严谨，扣除2分。
- 尚未独立重新执行完整计算。
4. 性能表现
- 完整解题耗时：约3小时25分钟。
- 最终求解程序运行：约28秒。
- 经历7处程序错误调试，最终得到正确答案。
5. 综合评价
这是一份高质量的数学与计算综合解答。
模型不仅成功获得正确答案，还独立构造了不同于标准解法的计算路径，表现出较强的数学推理、算法设计、代码实现和错误修正能力。
最终评价：98/100（A+）。在本次高难度数学计算测试中表现优秀。
