Бенчмарк · coding
Codeforces (Elo)
Codeforces (Elo) измеряет способность модели в спортивном программировании: она решает конкурсные задачи на время, а результат выражается рейтингом Codeforces Elo (примерно 0–4000, где около 2000+ — это сильный уровень).
Подробнее
- Пример
- Типичное задание — алгоритмическая задача на время: например, прочитать входные данные и вывести правильный ответ в пределах строгих ограничений по времени и памяти, применяя приёмы вроде обхода графа, динамического программирования или жадных алгоритмов.
- Метрика
- Результат — одно число Elo, вычисляемое из того, сколько конкурсных задач решила модель и насколько они сложные, и размещённое на той же рейтинговой шкале, которую Codeforces использует для живых участников.
- Приёмка
- Каждое присланное решение проверяется автоматически: код компилируется и запускается на скрытом наборе тестов и засчитывается как решённое, только если выдаёт правильный вывод в пределах ограничений по времени и памяти.
- Почему важно
- Он отражает многошаговое алгоритмическое мышление и умение писать корректный, эффективный код в рамках ограничений, а также переносит навыки программирования модели на понятную людям рейтинговую шкалу.
Разбор примера
«Codeforces (Elo)» даёт модели задачи соревновательного программирования и выражает её силу как рейтинг Elo по той же шкале, что получают люди на сайте. Показательная простая задача (Div. 2 A, ~800): «Дано t тестов; в каждом заданы n и массив a_1…a_n. За одну операцию вы выбираете i≠j и делаете a_i−=1, a_j+=1. Выведите YES, если можно сделать все элементы равными, иначе NO». Для входа `2 / 3 / 1 2 3 / 2 / 1 2` ожидаемый вывод — `YES`, затем `NO`. Хитрость в том, что операция сохраняет сумму S=Σa_i, поэтому равные элементы (каждый S/n) достижимы тогда и только тогда, когда n делит S: у [1,2,3] сумма S=6 делится на 3 → YES, а у [1,2] сумма S=3 не делится на 2 → NO. Корректное решение читает stdin, печатает эти ответы и должно пройти все скрытые тесты в пределах лимита времени; Elo модели оценивается по сложности задач, которые она надёжно решает.
По этому бенчмарку пока нет проверенных результатов.