FrontierCS: Evoluerende Uitdagingen voor Evoluerende Intelligentie
FrontierCS: Evolving Challenges for Evolving Intelligence
December 17, 2025
Auteurs: 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
Samenvatting
Wij introduceren FrontierCS, een benchmark met 156 open-einde problemen uit diverse gebieden van de informatica, ontworpen en beoordeeld door experts, waaronder informatica-promovendi en topdeelnemers en probleemstellers uit de competitieve programmering. In tegenstelling tot bestaande benchmarks die zich richten op taken met bekende optimale oplossingen, richt FrontierCS zich op problemen waar de optimale oplossing onbekend is, maar de kwaliteit van een oplossing objectief kan worden geëvalueerd. Modellen lossen deze taken op door uitvoerbare programma's te implementeren in plaats van een direct antwoord te geven. FrontierCS omvat algoritmische problemen, vaak NP-moeilijke varianten van competitieve programmeerproblemen met objectieve gedeeltelijke scoring, en onderzoeksproblemen met dezelfde eigenschap. Voor elk probleem bieden wij een expert-referentieoplossing en een automatische evaluator. Door de combinatie van open-einde ontwerp, meetbare vooruitgang en expertcuratie biedt FrontierCS een benchmark aan de frontlinie van de informatica-moeilijkheidsgraad. Empirisch constateren wij dat frontier-redeneermodellen nog ver achterblijven bij menselijke experts op zowel de algoritmische als de onderzoekslijn, dat het verhogen van de rekenbudgetten alleen deze kloof niet dicht, en dat modellen vaak overoptimaliseren voor het genereren van slechts werkbare code in plaats van het ontdekken van hoogwaardige algoritmen en systeemontwerpen.
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.