提示词风格如何影响 AI 在竞赛编程中的准确率与运行速度

一项针对 GPT-5.5 的探索性研究测试了 9 种风格的提示词，发现没有任何单一提示词在竞赛编程中表现最佳，最优选择取决于任务类型以及采用平均值还是中位数评估。研究涵盖 3 项国际信息学奥林匹克（IOI）准确率任务和 2 项 NP-hard 运行速度任务，指出均值差异多由少数离群运行导致。与人类 IOI 参赛者相比，GPT-5.5 在一项任务中超过平均选手，但另两项表现落后。