看了一下挺有意思的，用纯自然语言开发。现在llm应该还没针对这个做题过。不出所料claude还是最强…就是怎么v3比r1高，好神秘 

 [Screenshot_20250812_192729] 
相关论文： 
https://arxiv.org/pdf/2507.18130