Memdoor: تیمی متشکل از 5 مدل Qwen3.8-27B Fable 5 را در LiveCodeBench Hard شکست دادند.

پنج مدل کوچک با هم یک مشکل برنامه نویسی را حل می کنند: یک برنامه ریز، دو ایده پرداز، یک حل کننده و یک مدیر، به علاوه یک کارگر تعمیر. هر یک از یک زمینه جدید شروع می شود و فقط از طریق فایل های روی دیسک صحبت می کند. اسکریپتی که نمونه ها را اجرا می کند، موفقیت را تعیین می کند، نه یک مدل. این روش GVS5H (لی، 2026) است که به عنوان یک گردش کار Memdoor نوشته شده است: هشت فایل YAML، بدون کد، بدون مدل.

مهار نویسندگان بر روی همان مدل، Qwen3.8-27B، با دستورات، حلقه و درپوش پاسخ 128K بازسازی شده است. ده مشکل اول لیست سخت LiveCodeBench آنها، هر کدام پنج مورد قبولی، در هر آزمون مخفی با درجه‌بندی تصحیح‌شده‌شان درجه‌بندی شده‌اند:

بررسی برابری (هر بایت درخواستی برای بایت در برابر کد آنها)، میزبان ها، تغییرات انجام شده و یافته های اولین اجرا در NOTES.md هستند. نتیجه مشابه، در یک صفحه: memdoor.ai/docs/team-solve .

برای مشکل خودتان، task.md را جایگزین کنید و تست های زوجی/N.in/tests/N.out را در کنار آن قرار دهید. این برنامه solution.py است که از stdin خوانده می شود، در مقایسه با نمونه های با diff ; به پایتون 3 و bash نیاز دارد. /workflow در memdoor tui اجرا را به صورت زنده ترسیم می کند.

مراحل نام مدل ندارند: هر چیزی که /model به پاسخ‌ها پین می‌شود، شامل یک نمونه محلی است (نحوه اتصال یکی). برای تغییر نقش، دستور آن را در مراحل تغییر دهید/.

هر اعلان نماینده می گوید "متن جدید، فایل ها را بخوانید، به چت تکیه نکنید". این مقاله به آن نظم و انضباط دفتر برای کسب امتیاز می دهد. هر مرحله یک فایل YAML در مراحل/، در قالب ماریو، موتور زیر است. نیاز دارد: DAG است.