近日使用 DeepSeek 最新推出的预览版推理模型，尝试求解了今年的 CSP-J/S 复赛题目。经过测试，模型在 J 组和 S 组上分别取得了 315 分和 160 分的好成绩。

本轮测试在流程等方面并不完全严谨，仅作为参考。

测试流程

对于每道题目，一开始只提供题目描述，输入格式和输出格式，让模型生成代码。

接下来使用生成的代码运行题目给出的小输入输出样例（以能直接输入模型为限），如果所有小样例都过了就提交代码，并终止生成流程（模拟 OI 赛制）。

如果样例测试结果未通过，则按照如下规则告知样例测试的结果：

• 如果代码存在编译错误，则告知模型编译错误具体的发生位置和编译器输出的错误信息。
• 如果代码在某个样例上输出了错误答案，则告知模型该样例的输入，模型给出的代码的输出和期望输出。如果该样例附有样例解释，则在样例数据后一并提供给模型。
• 如果代码在某个样例上出现了运行时错误，则告知模型发生运行时错误的位置。
• 如果代码出现了超时，超空间的问题，则告知模型超时，超空间的结果，提醒其进行优化。

原则上，除了如上运行结果反馈外，不向模型提供额外的提示信息。

重复以上循环，直到代码生成了能通过所有小样例的代码，或是对话长度达到上限。

测试结果

J 组测试结果：

S 组测试结果

附注：

• $^{\ast}$：生成代码过程中，提供了超范围的额外提示信息。
• $^{\ast\ast}$：未能生成通过小样例的代码。

这里值得一提的是 J 组的 sticks 题目。模型一开始给出的代码非常接近正解，只需在某个循环中加入 break 语句就能通过本题。但是模型虽然在思考链中想到了问题的根源，却始终没有能在代码中纠正这一问题，甚至出现了在原来的做法和另外一个做法间反复横跳的情况。最后我只好在用户输入中近乎明确地提示这一问题，模型才给出了正确的代码。

这样的提示超出了前面所述的“不提供运行结果之外的提示信息”的范围，使得本题的分数存在一定水分，有些遗憾。

后期如果时间允许的话，我将尝试整理模型的思考过程，给出相对完整的解析。

代码公开

考虑到不少同学因为未加入代码公开计划等原因，无法看到上面的提交记录的代码，下面以云剪贴板的形式给出本次测试过程中 AI 生成的代码，供参考。

• J 组代码
• S 组代码