NPHardEval排行榜：评估LLM推理能力

Hugging Face 发布 NPHardEval 排行榜，通过复杂度类（如 P、NP-hard 等）评估大型语言模型的推理能力。该基准测试包含多个难度级别的问题，旨在衡量模型在算法推理、组合优化等任务上的表现。排行榜显示，当前模型在简单问题上表现较好，但在 NP-hard 问题上仍有显著差距。该工具为研究者提供了标准化评估框架，有助于追踪推理能力的进展。