AlgoBench：基准测试代码生成中的算法适应性

现有编程基准的高通过率未必反映模型真正的算法推理能力，因数据泄露可能导致虚假提升。本文提出 AlgoBench 框架，通过结构化约束变换自动生成新算法问题，迫使原有参考算法失效。除通过率外，引入复杂度感知指标（如 OPTT、TRAPRATE 等）评估解的渐近适宜性。实验表明，多模型在该基准上性能显著下降，检索机制易导致旧算法复用，且许多看似正确的解未达复杂度要求。错误分析显示失败主因在于算法层面而非实现细节，证明该基准有效评估了超越功能正确性的算法适应能力。