FrontierCS: Sfide in Evoluzione per un'Intelligenza in Evoluzione
FrontierCS: Evolving Challenges for Evolving Intelligence
December 17, 2025
Autori: Qiuyang Mang, Wenhao Chai, Zhifei Li, Huanzhi Mao, Shang Zhou, Alexander Du, Hanchen Li, Shu Liu, Edwin Chen, Yichuan Wang, Xieting Chu, Zerui Cheng, Yuan Xu, Tian Xia, Zirui Wang, Tianneng Shi, Jianzhu Yao, Yilong Zhao, Qizheng Zhang, Charlie Ruan, Zeyu Shen, Kaiyuan Liu, Runyuan He, Dong Xing, Zerui Li, Zirong Zeng, Yige Jiang, Lufeng Cheng, Ziyi Zhao, Youran Sun, Wesley Zheng, Meiyuwang Zhang, Ruyi Ji, Xuechang Tu, Zihan Zheng, Zexing Chen, Kangyang Zhou, Zhaozi Wang, Jingbang Chen, Aleksandra Korolova, Peter Henderson, Pramod Viswanath, Vijay Ganesh, Saining Xie, Zhuang Liu, Dawn Song, Sewon Min, Ion Stoica, Joseph E. Gonzalez, Jingbo Shang, Alvin Cheung
cs.AI
Abstract
Introduciamo FrontierCS, un benchmark di 156 problemi aperti in diverse aree dell'informatica, progettato e revisionato da esperti, inclusi dottorandi in informatica e partecipanti e creatori di problemi di alto livello nel competitive programming. A differenza dei benchmark esistenti che si concentrano su compiti con soluzioni ottimali note, FrontierCS mira a problemi per i quali la soluzione ottimale è sconosciuta, ma la qualità di una soluzione può essere valutata oggettivamente. I modelli risolvono questi compiti implementando programmi eseguibili anziché fornendo una risposta diretta. FrontierCS include problemi algoritmici, spesso varianti NP-difficili di problemi di competitive programming con valutazione parziale oggettiva, e problemi di ricerca con la stessa caratteristica. Per ogni problema forniamo una soluzione di riferimento esperta e un valutatore automatico. Combinando progettazione aperta, progresso misurabile e curatela esperta, FrontierCS fornisce un benchmark all'avanguardia nella difficoltà informatica. Empiricamente, rileviamo che i modelli di ragionamento di frontiera sono ancora molto indietro rispetto agli esperti umani sia nelle tracce algoritmiche che in quelle di ricerca, che l'aumentare del budget computazionale di ragionamento da solo non colma questo divario, e che i modelli spesso sovra-ottimizzano la generazione di codice semplicemente funzionante invece di scoprire algoritmi e progettazioni di sistema di alta qualità.
English
We introduce FrontierCS, a benchmark of 156 open-ended problems across diverse areas of computer science, designed and reviewed by experts, including CS PhDs and top-tier competitive programming participants and problem setters. Unlike existing benchmarks that focus on tasks with known optimal solutions, FrontierCS targets problems where the optimal solution is unknown, but the quality of a solution can be objectively evaluated. Models solve these tasks by implementing executable programs rather than outputting a direct answer. FrontierCS includes algorithmic problems, which are often NP-hard variants of competitive programming problems with objective partial scoring, and research problems with the same property. For each problem we provide an expert reference solution and an automatic evaluator. Combining open-ended design, measurable progress, and expert curation, FrontierCS provides a benchmark at the frontier of computer-science difficulty. Empirically, we find that frontier reasoning models still lag far behind human experts on both the algorithmic and research tracks, that increasing reasoning budgets alone does not close this gap, and that models often over-optimize for generating merely workable code instead of discovering high-quality algorithms and system designs.