競賽編程Agent進入全球前十，南大、清華新模型CF rating超3500

南京大學與清華大學的研究團隊近日發表了一項名為Solvita的競賽程式設計智慧體框架，該系統在Codeforces平台的評分突破3500，躋身全球前十。這項研究成果試圖解決大型語言模型在複雜演算法題中常見的困境——如何讓程式碼智慧體不只是反覆嘗試，而是真正從成功與失敗中累積經驗。 競賽程式設計與一般的程式碼生成不同，它要求模型理解自然語言題目、抽象出數學結構、選擇合適的演算法、估計時間複雜度、編寫程式碼、構造測試案例，並處理邊界條件與隱藏測試。然而，現有的大型語言模型在這一領域經常因為演算法選擇失誤、邊界條件遺漏、複雜度判斷錯誤或測試覆蓋不足而失敗。雖然AlphaCodium、MapCoder等方法已將解題流程分為多個階段，但它們仍偏向靜態流程，缺乏一個能夠隨歷史經驗更新的長期記憶與路由機制。 Solvita的核心設計是建立一個由四個角色構成的閉環系統：Planner（規劃者）、Solver（解題者）、Oracle（預言者）與Hacker（攻擊者），並在這些角色外部建構可訓練的圖結構知識網路。這種架構不微調底層的大語言模型，而是讓系統在解題、測試、攻擊與修復的過程中持續累積經驗。研究團隊強調，人類選手之所以越刷題越強，不是因為每道題都從零開始，而是因為學會了「什麼題用什麼套路」、「什麼實現容易出錯」、「什麼測試最容易擊垮錯誤程式」。 Planner的職責是將原始題目轉化為形式化的數學描述，去除故事背景與無關資訊，提取變數、約束、目標與輸入輸出結構，並預測可能的演算法標籤、實現思路與時間複雜度。它的知識網路會記錄歷史題目的形式化結構、預測標籤與最終結果，新題來臨時不是靠即時提示詞臨場發揮，而是參考結構相似問題的歷史經驗。 Solver則根據Planner的策略生成C++程式，並在樣例與Oracle生成的測試上驗證。與許多「失敗後整段重寫」的方法不同，Solvita強調基於補丁的修復（patch-based repair）：當程式失敗時，Solver會盡量生成SEARCH/REPLACE形式的局部補丁，而不是從頭生成整份程式碼。這樣能保留已正確的部分，集中修改真正出錯的局部，避免每次重寫都破壞先前已滿足的條件。 Oracle的任務不是寫最終答案，而是為解法構造可靠的監督測試。它會生成基於testlib的生成器、驗證器、檢查器與參考解法，並確認參考解法能否復現公開樣例輸出。對於多答案問題，Oracle還需要提供自訂檢查器的證據。只有當測試輸入、期望輸出與認證比例等條件滿足要求時，Oracle生成的測試才會被採用。 Hacker則像一個對拍高手。它會分析候選程式的潛在漏洞，生成結構化的弱點報告，然後選擇語意攻擊、壓力測試、反雜湊攻擊等路線，嘗試構造能擊穿錯誤程式的輸入。如果某條攻擊路線失敗，系統會沿著備援鏈繼續嘗試。成功找到的漏洞不僅用於當前題目的修復，還會作為失敗經驗傳播給所有角色的知識網路。 Solvita最重要的創新在於每個角色都配有一個可訓練的圖結構知識網路。以Solver為例，它的知識網路分為三層：Q層記錄歷史題目描述與元資訊；M層記錄解法分解、失敗對比與後設認知分析；S層記錄可複用的演算法技能與C++模板。當新題到來時，系統會先檢索相似的Q節點，再沿著Q→M→S的兩跳路徑啟動相關技能。不同路徑的邊權會根據歷史成功與失敗進行更新，成功路徑被強化，失敗路徑被削弱或生成新的對比節點。這與傳統的RAG（檢索增強生成）有本質差異——傳統RAG只是找到相似文字塞進提示詞，而Solvita的知識網路更像是在學習「什麼問題結構應該路由到什麼演算法技能」。 實驗結果顯示，Solvita在CodeContests、APPS、AetherCode以及近期Codeforces比賽中表現突出。在15個backbone-benchmark組合中，Solvita在14個組合上取得最高的pass@1成績。以GPT-5.4為backbone為例，Solvita相比單純一次生成（single-pass）實現了大幅躍升，且相比已有智慧體框架在多個基準測試上保持穩定領先。更重要的是，這種提升並非靠無限增加token換來——論文的成本分析顯示，Solvita的平均token消耗與開源智慧體框架相近，遠低於某些商業命令列智慧體。 消融實驗進一步區分了兩個問題：Solvita的收益是否只是因為多智慧體流程更複雜？可訓練知識網路是否真的帶來了額外提升？結果顯示，從單次生成切換到無訓練的多智慧體框架，本身就能顯著提升性能，說明了「解題–認證–攻擊–修復」閉環結構的有效性。而在這個基礎上加入Solver、Oracle、Hacker的知識網路後，性能還能繼續提升，且隨著訓練問題數量從1500題增加到4500題，收益持續增長。在GPT-5.4上，完整系統最終達到了極高的通過率。 論文還專門比較了Solver內部的修復方式：全量重新生成（full regeneration）與補丁修復（patch repair）。在相同的最大迭代預算下，補丁修復不僅通過率更高，而且平均迭代次數更少、token節省更多。以GPT-5.4為例，補丁修復的效果明顯優於推倒重來。這說明在長鏈路解題中，候選解法大部分邏輯正確時，精準修補比重新生成更有效率。 在Codeforces真實比賽評測中，研究團隊選取12場截止日期後的比賽，共76道題，並在官方時間限制內完成。結果顯示，使用GPT-5.4、Claude Opus 4.6、DeepSeek V4 Pro作為backbone的Solvita版本，最終都進入了Legendary Grandmaster區間，而相同backbone的裸模型則停留在較低區間。這證明Solvita的收益來自智慧體循環、知識網路與對抗驗證機制的系統性增強，而非僅僅依賴底層模型。 研究團隊總結指出，Solvita傳達了一個重要觀點：未來更強的程式碼智慧體，不一定只來自更大的模型，也可能來自更好的經驗組織方式。真正可靠的程式碼智慧體需要會規劃、會驗證、會攻擊自己的答案，也需要能把失敗轉化為下一次成功的經驗。對於AI for Code領域而言，Solvita提供了從一次性程式碼生成走向持續進化程式碼智慧體的新思路。