Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

LiveCodeBench Pro: How Do Olympiad Medalists Judge LLMs in Competitive Programming?

Created by
  • Haebom

저자

Zihan Zheng, Zerui Cheng, Zeyu Shen, Shang Zhou, Kaiyuan Liu, Hansen He, Dongruixuan Li, Stanley Wei, Hangyi Hao, Jianzhu Yao, Peiyao Sheng, Zixuan Wang, Wenhao Chai, Aleksandra Korolova, Peter Henderson, Sanjeev Arora, Pramod Viswanath, Jingbo Shang, Saining Xie

개요

본 논문은 최근 대규모 언어 모델(LLM)이 경쟁 프로그래밍에서 엘리트 인간을 능가한다는 주장에 대해, 국제 알고리즘 대회 메달리스트 그룹의 지식을 바탕으로 재검토합니다. LLM과 인간 전문가의 차이점과 여전히 남아있는 한계를 조사하기 위해 Codeforces, ICPC, IOI의 문제로 구성된 지속적으로 업데이트되는 벤치마크인 LiveCodeBench Pro를 소개합니다. 올림피아드 메달리스트 팀이 각 문제에 대한 알고리즘 범주를 주석으로 달고, 실패한 모델 생성 제출물에 대한 행별 분석을 수행합니다. 새로운 데이터와 벤치마크를 사용하여 최첨단 모델이 여전히 상당한 한계를 가지고 있음을 발견합니다. 외부 도구 없이 최고의 모델은 중간 난이도 문제에서 53%의 pass@1을 달성하고, 어려운 문제에서는 0%를 달성하는데, 이는 전문가 수준의 인간이 여전히 뛰어난 영역입니다. 또한 LLM은 구현이 많은 문제에서는 성공하지만, 미묘한 알고리즘 추론과 복잡한 경우 분석에는 어려움을 겪고, 종종 자신 있게 잘못된 정당화를 생성합니다. 높은 성능은 우수한 추론이 아닌 구현 정밀도와 도구 증강에 크게 의존합니다. 따라서 LiveCodeBench Pro는 인간 그랜드 마스터 수준까지의 상당한 격차를 강조하는 동시에 코드 중심 LLM 추론의 향후 개선을 위한 세부적인 진단을 제공합니다.

시사점, 한계점

•
시사점:
◦
최첨단 LLM이 경쟁 프로그래밍에서 인간 전문가를 능가한다는 주장에 대한 재검토를 통해 현실적인 성능 수준을 제시.
◦
LiveCodeBench Pro라는 새로운 벤치마크를 통해 LLM의 성능을 객관적으로 평가하고, 향후 연구 방향을 제시.
◦
LLM의 강점(구현 정밀도)과 약점(미묘한 알고리즘 추론, 복잡한 경우 분석)을 명확히 밝힘.
◦
LLM의 성능 향상을 위한 구체적인 방향(도구 증강, 알고리즘 추론 능력 향상) 제시.
•
한계점:
◦
LiveCodeBench Pro는 지속적으로 업데이트되지만, 데이터 오염 가능성은 여전히 존재.
◦
현재 벤치마크의 문제 난이도 및 유형에 따라 LLM의 일반화 성능이 제한적으로 평가될 수 있음.
◦
인간 전문가의 문제 해결 과정에 대한 심층 분석이 부족.
◦
외부 도구 사용에 대한 의존성을 고려하지 않은 LLM의 고유한 추론 능력 평가의 어려움.
👍
Made with Slashpage