🧩
组合优化
Combinatorial Optimization · 15 题
Ad Placement Optimization
离线ad_placement_optimization
超时
10 分钟
任务简介
在万×万网格上为 n 家公司放置矩形广告
目标
最大化所有广告主的总满意度
衡量标准
每个广告须包含指定点，面积尽可能接近期望值
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: cpp
Apple Incremental Game
离线apple_incremental_game
超时
10 分钟
任务简介
机器生产调度增量博弈（AtCoder AHC058）
目标
优化机器生产策略，最大化产出得分
衡量标准
读取 stdin 输出 stdout，逐用例评分累加
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Equivalence Class Divide And Conquer
离线equivalence_class_divide_and_conquer
超时
15 分钟
任务简介
6 道分治/等价类算法题
目标
通过所有测试数据获取满分（共 100 分）
衡量标准
6 题分值为 5/5/10/15/25/40，逐题全部通过才得分
评分器: 逐用例累加得分
·
选优策略:
·
基础镜像: cpp
Grid Turing Robot
离线grid_turing_robot
超时
10 分钟
任务简介
在网格上设计图灵机转移规则（AtCoder AHC056）
目标
设计转移规则让机器人覆盖尽可能多的格子
衡量标准
逐用例评分，多 seed 累加
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Jagua Nesting Optimization
离线jagua_nesting_optimization
超时
20 分钟
任务简介
2D 不规则零件排样优化（基于 jagua-rs，Rust）
目标
在有限板材上排入尽可能多的不规则形状零件
衡量标准
与冻结的参考 LBF 解比较，在隐藏实例上评分
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: rust
Molecular Self Assembly
离线molecular_self_assembly
超时
10 分钟
任务简介
原子键合优化，模拟分子自组装（AtCoder AHC057）
目标
最大化原子之间的有效键合数
衡量标准
逐用例评分累加
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Order Addition Permutation Optimization
离线order_addition_permutation_optimization
超时
10 分钟
任务简介
大规模排列组合黑盒优化
目标
找到使响应值最小的全排列序列
衡量标准
黑盒函数评估，最终得分为目标函数值
评分器: pytest 测试通过率
·
选优策略: 优先通过率
·
基础镜像: python
Smt Solver
离线smt_solver
超时
120 分钟
任务简介
从零实现 SMT 约束求解器
目标
支持 QF_UF/QF_LRA/QF_LIA/QF_UFLRA 四种逻辑
衡量标准
隐藏测试集，60 秒/题超时，正确率加权评分
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python310
Treant Forest
离线treant_forest
超时
14 分钟
任务简介
迷宫堵路策略博弈（AtCoder AHC054）
目标
设计堵路策略使对手尽可能难以到达终点
衡量标准
逐用例评分累加
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Tree Block Partitioning
离线tree_block_partitioning
超时
10 分钟
任务简介
6 道树分块算法题
目标
通过所有测试数据获取满分（共 100 分）
衡量标准
6 题分值为 5/5/10/15/25/40，逐题全部通过才得分
评分器: 逐用例累加得分
·
选优策略:
·
基础镜像: cpp
Triangulation Coloring Optimization
离线triangulation_coloring_optimization
超时
20 分钟
任务简介
三角剖分着色，最小化丑陋度（CodeChef TRICOL）
目标
翻转三角剖分边并着色，使相邻同色面积最小
衡量标准
丑陋度越低分越高
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Vehicle Routing Time Windows
离线vehicle_routing_time_windows
超时
20 分钟
任务简介
带时间窗的车辆路径规划（CVRPTW）
目标
优化 C++17 求解器，最小化总行驶距离
衡量标准
隐藏实例评测，与最优解比较
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
Vibrating Path Graph Coloring
离线vibrating_path_graph_coloring
超时
10 分钟
任务简介
图的 K-着色问题优化（CodeChef VBR）
目标
为图着 K 色使得冲突边最少
衡量标准
逐用例评分累加
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Warehouse Forklift Routing
离线warehouse_forklift_routing
超时
60 分钟
任务简介
仓库叉车路径优化（CodeChef WAREHOUS）
目标
规划叉车在网格仓库中的最优取货路径
衡量标准
总移动距离越短分越高
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Wireless Electricity Layout
离线wireless_electricity_layout
超时
10 分钟
任务简介
无线输电网络布线优化（CodeChef WIREL）
目标
在 2D 平面上连接城市到电力网络，最小化成本
衡量标准
逐用例评分累加
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: cpp
⚙️
系统与软件工程
Systems & Software Engineering · 12 题
Ann Vector Search Qps
离线ann_vector_search_qps
超时
130 分钟
任务简介
优化近似最近邻搜索性能（SIFT-1M 数据集）
目标
最大化 QPS（查询/秒），保持 Recall@10 ≥ 0.95
衡量标准
QPS 越高分越高，Recall 不达标则 0 分
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Arc Compiler Runtime
离线arc_compiler_runtime
超时
25 分钟
任务简介
实现 Arc 语言的编译器和运行时
目标
补全 compiler/src/ 下缺失的编译器模块
衡量标准
pytest 测试通过率
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
Exchange Core Throughput
离线exchange_core_throughput
超时
40 分钟
任务简介
优化 Java 金融撮合引擎吞吐量
目标
最大化 exchange-core 的 MT/s（百万交易/秒）
衡量标准
吞吐量越高分越高
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: java
Ffmpeg Swscale Reimplementation
离线ffmpeg_swscale_reimplementation
超时
90 分钟
任务简介
用 Zig 或 Rust 重写 FFmpeg libswscale
目标
生成 C 兼容的共享库，匹配或超越 FFmpeg 性能
衡量标准
像素格式转换正确率 + 性能
评分器: pytest 测试通过率
·
选优策略: 优先最高分
·
基础镜像: cpp
Git Rewrite In Zig
离线git_rewrite_in_zig
超时
120 分钟
任务简介
用 Zig 重写 Git v2.47.0
目标
行为完全一致：相同 CLI、相同输出、相同退出码
衡量标准
pytest 测试通过率，覆盖各种 git 子命令
评分器: pytest 测试通过率
·
选优策略: 优先最高分
·
基础镜像: cpp
Integer Compression Codec
离线integer_compression_codec
超时
40 分钟
任务简介
优化 uint32 整数压缩编解码器（C++）
目标
提升压缩率和编解码速度
衡量标准
综合压缩率与吞吐量评分
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: cpp
Juliet Vulnerability Analyzer
离线juliet_vulnerability_analyzer
超时
3 分钟
任务简介
实现静态代码漏洞分析器
目标
检测 CWE-121/122/190/476/416/78 六类漏洞
衡量标准
pytest 测试通过率（精确率和召回率）
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
Rust Multicrate Reconstruction
离线rust_multicrate_reconstruction
超时
60 分钟
任务简介
补全多 crate Rust 项目的缺失实现
目标
根据规格文档和测试恢复被删除的代码
衡量标准
pytest 测试通过率
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: rust
Schemathesis Config Modernization
离线schemathesis_config_modernization
超时
30 分钟
任务简介
Schemathesis API 测试框架配置现代化
目标
按 TODO.md 的路线图完成重构任务
衡量标准
pytest 测试通过率
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
Schemathesis Datagen Pipeline
离线schemathesis_datagen_pipeline
超时
30 分钟
任务简介
给 Schemathesis 实现数据生成管线
目标
按 TODO.md 完成数据生成功能
衡量标准
pytest 测试通过率
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
Schemathesis Reporting Observability
离线schemathesis_reporting_observability
超时
30 分钟
任务简介
给 Schemathesis 实现报告与可观测性
目标
按 TODO.md 完成报告功能
衡量标准
pytest 测试通过率
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
Vliw Kernel Optimization
离线vliw_kernel_optimization
超时
11 分钟
任务简介
优化 VLIW/SIMD 指令内核生成器
目标
生成正确且更快的指令程序
衡量标准
模拟器运行速度评分
评分器: 结构化 JSON 评分
·
选优策略: 先验证有效再取最高分
·
基础镜像: python
🎮
交互式游戏
Interactive Games & Simulators · 8 题
Anchorhead Text Adventure
离线 交互模式anchorhead_text_adventure
超时
10 分钟
任务简介
玩文字冒险游戏 Anchorhead
目标
通过 HTTP API 发送命令探索游戏世界，最大化得分
衡量标准
游戏内置计分系统
评分器:
·
选优策略: 优先最高分
·
基础镜像: python310
Dcss Dungeon Ai
离线dcss_dungeon_ai
超时
18 分钟
任务简介
给 Dungeon Crawl Stone Soup 写 Lua 自动打地牢 AI
目标
操控牛头人狂战士，最大化游戏得分
衡量标准
5 个隐藏种子，每局 900 秒，取平均分
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python310
Nethack Dungeon Agent
离线nethack_dungeon_agent
超时
60 分钟
任务简介
写 Python agent 玩 NetHack 地牢探险
目标
操控冒险者下地牢，最大化游戏得分
衡量标准
多种子平均分
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Openrct2 Theme Park Ai
离线openrct2_theme_park_ai
超时
40 分钟
任务简介
给过山车大亨（OpenRCT2）写 JS 自动管理插件
目标
最大化 3 个场景（小/中/大）的标准化公司价值
衡量标准
多场景加权平均分
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Openttd Transport Ai
离线openttd_transport_ai
超时
60 分钟
任务简介
给运输大亨（OpenTTD）写 Squirrel AI
目标
20 年游戏时间内最大化公司价值
衡量标准
多随机地图种子取平均
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
Trinity Text Adventure
离线 交互模式trinity_text_adventure
超时
10 分钟
任务简介
玩文字冒险游戏 Trinity
目标
通过 HTTP API 发送命令，最大化游戏得分
衡量标准
游戏内置计分系统
评分器:
·
选优策略: 优先最高分
·
基础镜像: python310
Tryst Text Adventure
离线 交互模式tryst_text_adventure
超时
10 分钟
任务简介
玩文字冒险游戏 Tryst of Fate
目标
通过 HTTP API 发送命令，最大化游戏得分
衡量标准
游戏内置计分系统
评分器:
·
选优策略: 优先最高分
·
基础镜像: python310
Wesnoth Tactical Ai
离线wesnoth_tactical_ai
超时
15 分钟
任务简介
给韦诺之战写 Lua 战术 AI
目标
在 3 张地图上打赢默认 AI
衡量标准
80×胜率 + 20×效率，60 局取平均
评分器: 逐用例累加得分
·
选优策略: 优先最高分
·
基础镜像: python310
📐
形式化数学与定理证明
Formal Math & Theorem Proving · 8 题
Carleson Formalization
离线carleson_formalization
超时
40 分钟
任务简介
Lean4: Carleson 定理相关证明
目标
消除所有 sorry，完成尽可能多的证明
衡量标准
已完成证明的数量/比例
评分器: 结构化 JSON 评分
·
选优策略:
·
基础镜像: lean_4
Combinatorial Games Formalization
离线combinatorial_games_formalization
超时
40 分钟
任务简介
Lean4: 组合博弈论相关证明
目标
消除所有 sorry
衡量标准
已完成证明的数量/比例
评分器: 结构化 JSON 评分
·
选优策略:
·
基础镜像: lean_4_28_0_main
Flt Regular Formalization
离线flt_regular_formalization
超时
40 分钟
任务简介
Lean4: 正则素数费马大定理相关证明
目标
消除所有 sorry
衡量标准
已完成证明的数量/比例
评分器: 结构化 JSON 评分
·
选优策略:
·
基础镜像: lean_4_28_0_main
Lean Analysis Proofs
离线lean_analysis_proofs
超时
40 分钟
任务简介
Lean4: 数学分析相关证明
目标
消除所有 sorry
衡量标准
已完成证明的数量/比例
评分器: 结构化 JSON 评分
·
选优策略:
·
基础镜像: lean_4_28_0_main
New Foundations Consistency
离线new_foundations_consistency
超时
40 分钟
任务简介
Lean4: New Foundations 集合论一致性证明
目标
消除所有 sorry
衡量标准
已完成证明的数量/比例
评分器: 结构化 JSON 评分
·
选优策略:
·
基础镜像: lean_4
Ordinal Notation Well Foundedness
离线ordinal_notation_well_foundedness
超时
120 分钟
任务简介
Coq: 序数记号良基性证明
目标
完成尽可能多的 Coq 证明目标
衡量标准
已完成证明的数量/比例
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: coq
Pfr Formalization
离线pfr_formalization
超时
40 分钟
任务简介
Lean4: 多项式 Freiman-Ruzsa 猜想形式化
目标
消除所有 sorry
衡量标准
已完成证明的数量/比例
评分器: 结构化 JSON 评分
·
选优策略:
·
基础镜像: lean_4
Sphere Eversion Formalization
离线sphere_eversion_formalization
超时
40 分钟
任务简介
Lean4: 球面外翻定理形式化
目标
消除所有 sorry
衡量标准
已完成证明的数量/比例
评分器: 结构化 JSON 评分
·
选优策略:
·
基础镜像: lean_4_28_0_main
🔬
科学问题与机器学习
Scientific Problems & ML · 4 题
Bipedalwalker Locomotion Rl
离线bipedalwalker_locomotion_rl
超时
15 分钟
任务简介
用强化学习训练双足行走机器人（仅 CPU）
目标
训练 agent 在 BipedalWalker 环境中稳定行走
衡量标准
行走距离/奖励得分
评分器: 结构化 JSON 评分
·
选优策略: 先验证有效再取最高分
·
基础镜像: python
Borden Source Inversion
离线borden_source_inversion
超时
10 分钟
任务简介
3D 地下水污染源反演
目标
从监测井数据推断污染源的位置和强度
衡量标准
反演精度评分
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python310
Dabic Gravity Inversion
离线dabic_gravity_inversion
超时
360 分钟
任务简介
基于 D-ABIC 的 3D 重力反演（Vinton 盐丘数据）
目标
将 2025 年论文的方法移植到 3D 并验证
衡量标准
反演结果与参考对比评分
评分器: 结构化 JSON 评分
·
选优策略: 先验证有效再取最高分
·
基础镜像: python
Graph Node Classification
离线graph_node_classification
超时
30 分钟
任务简介
图神经网络节点分类
目标
对图数据中的节点进行准确分类
衡量标准
分类准确率
评分器: 结构化 JSON 评分
·
选优策略: 先验证有效再取最高分
·
基础镜像: python
📊
专业知识
Professional Knowledge Work · 4 题
College English Exam Bank
联网college_english_exam_bank
超时
15 分钟
任务简介
大学英语考试题库
目标
按指定格式完成英语考试题目
衡量标准
LLM 评分
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
Cta Risk Budget Optimization
离线cta_risk_budget_optimization
超时
10 分钟
任务简介
CTA 策略风险预算优化
目标
按 task_instruction.md 完成金融风险建模
衡量标准
结构化 JSON 评分
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
K12 Math Recommendation
离线k12_math_recommendation
超时
15 分钟
任务简介
K12 数学题目推荐系统
目标
按 task_instruction.md 实现推荐算法
衡量标准
结构化 JSON 评分
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python
Portfolio Risk Calibration
离线portfolio_risk_calibration
超时
10 分钟
任务简介
投资组合风险校准
目标
按 task_instruction.md 完成风险校准任务
衡量标准
结构化 JSON 评分
评分器: 结构化 JSON 评分
·
选优策略: 优先最高分
·
基础镜像: python