平面图相关 AI 资讯 · AI 热点

8月10日

11:31

11:31

官方一手arXiv: OpenAI@Viktor Fredslund-Hansen, Shay Mozes, Oren Weimann

论文针对无向无权平面图，研究顶点到指定面上所有顶点的距离向量模式。作者将Li和Parter在STOC'19给出的O(k^3)上界改进到O(k^2)，匹配已知下界，并解决了ISAAC'22中的猜想。新界直接改进了Okamura-Seymour度量的压缩、常数时间精确距离预言机的空间，以及分布式直径算法。另外还给出集中式O~(n^{8/5})时间直径算法，优于SODA'18的O~(n^{5/3})。简单证明由OpenAI的GPT 5.6-Sol模型发现。

论文 GPT-5.6-Sol 平面图距离模式

推荐理由：这篇把平面图距离模式上界从O(k^3)压到O(k^2)，还顺手改进了直径算法，连GPT-5.6-Sol都参与证明了。

6月2日

11:11

11:11

官方账号arXiv cs.AI@Oleksandr Nikitin

PlanarBench 是一个新基准，通过让大语言模型根据边列表绘制平面图的 ASCII 艺术来评估其空间推理能力。该任务通过随机排列边顺序、方向和节点标签来防止记忆。研究测试了 91 个模型在 199 个最简单的非异构连通平面图（2-7 个节点）上的表现。关键发现是边数比节点数更能预测任务难度（相关系数 r=-0.85），这一结论在之前的 LLM 图基准中未被报告。

论文空间推理基准测试大语言模型

推荐理由：这个基准揭示了 LLM 在空间推理上的真实短板，做模型评估或研究空间智能的团队值得关注——边数作为难度指标的新发现可能改变未来基准设计。