Grok 4 Heavy는 문제를 전혀 해결하지 못하고 Gemini, o3 및 o3-Pro는 각각 120개 문제 중 단 1개만 해결했습니다. 이러한 저조한 성능은 상당한 지원이 제공되었다는 점을 고려할 때 특히 주목할 만합니다. 모델은 다양한 퓨샷 프롬프트를 받았고, 프레임워크는 모든 입력 파싱, 그래프 표현, 트리 분해 구성 및 순회를 대신 처리했습니다. 


다 해줬는데 그 점수였음