Benchmark · coding
Codeforces (Elo)
Codeforces (Elo) किसी मॉडल की competitive programming क्षमता को मापता है, जिसमें उसे समय-सीमा वाली प्रतियोगिता की समस्याएँ हल करनी होती हैं, और परिणाम को Codeforces Elo रेटिंग के रूप में दिखाया जाता है (लगभग 0–4000, जहाँ करीब 2000+ मजबूत माना जाता है)।
और पढ़ें
- उदाहरण
- एक सामान्य आइटम समय-सीमा वाली algorithmic समस्या होती है — उदाहरण के लिए, किसी समस्या का इनपुट पढ़ना और सख्त समय व मेमोरी सीमा के भीतर सही उत्तर छापना, जिसमें graph search, dynamic programming या greedy algorithms जैसी तकनीकों का उपयोग होता है।
- स्कोरिंग
- परिणाम एक ही Elo संख्या होती है, जो इस आधार पर निकाली जाती है कि मॉडल ने कितनी प्रतियोगिता समस्याएँ हल कीं और वे कितनी कठिन थीं, और इसे उसी रेटिंग पैमाने पर रखा जाता है जिसे Codeforces मानव प्रतियोगियों के लिए इस्तेमाल करता है।
- सत्यापन
- हर भेजा गया हल अपने-आप जाँचा जाता है: कोड को compile करके छिपे हुए test cases के एक सेट पर चलाया जाता है, और तभी हल माना जाता है जब वह समय व मेमोरी सीमा के भीतर सही आउटपुट देता है।
- यह क्यों मायने रखता है
- यह बहु-चरणीय algorithmic तर्क और सीमाओं के भीतर सही व कुशल code लिखने की क्षमता को दर्शाता है, और किसी मॉडल के coding कौशल को उस रेटिंग पैमाने पर लाता है जिसे लोग पहले से समझते हैं।
हल किया गया उदाहरण
"Codeforces (Elo)" मॉडल को competitive programming की समस्याएँ देता है और उसकी क्षमता को उसी Elo रेटिंग पैमाने पर दर्शाता है जो साइट पर इंसानों को मिलता है। एक प्रतिनिधि आसान आइटम (Div. 2 A, ~800): "आपको t टेस्ट केस मिलते हैं; हर एक में n और एक सरणी a_1…a_n दी जाती है। एक ऑपरेशन में आप i≠j चुनते हैं और a_i−=1, a_j+=1 करते हैं। यदि आप सभी तत्वों को बराबर कर सकते हैं तो YES छापें, अन्यथा NO।" इनपुट `2 / 3 / 1 2 3 / 2 / 1 2` के लिए अपेक्षित आउटपुट `YES` फिर `NO` है। तरकीब यह है कि ऑपरेशन कुल योग S=Σa_i को अपरिवर्तित रखता है, इसलिए बराबर तत्व (हर एक S/n) तभी संभव हैं जब n, S को विभाजित करे: [1,2,3] का योग S=6 है जो 3 से विभाज्य है → YES, जबकि [1,2] का योग S=3 है जो 2 से विभाज्य नहीं है → NO। एक सही सबमिशन stdin से इनपुट पढ़ता है, ये उत्तर छापता है, और समय सीमा के भीतर सभी छिपे हुए टेस्ट पास करने चाहिए; मॉडल का Elo उन समस्याओं की कठिनाई से अनुमानित किया जाता है जिन्हें वह भरोसेमंद ढंग से हल कर पाता है।
इस benchmark के लिए अभी तक कोई सत्यापित स्कोर रिपोर्ट नहीं किया गया है।