AlgBench：大推理模型在多大程度上理解算法？

推理能力已成为大型推理模型（LRM）发展的核心关注点。尽管在MATH500和LiveCodeBench等若干推理基准上已取得显著进展，但现有的算法推理基准仍然有限，无法回答一个关键问题：LRM是否真正掌握了算法推理？为回答这一问题，我们提出AlgBench，一个以算法为中心的范式来评测LRM的专家精心整理的基准。AlgBench包含3,000多道原创题目，覆盖27种算法，由ACM算法专家构建，并按照一个全面的分类体系组织，包括欧氏结构、非欧氏结构、非优化、局部优化、全局优化和启发式优化等类别。对领先LRM（如Gemini-3-Pro、DeepSeek-v3.2-Speciale和GPT-o3）的实证评测揭示了显著的性能异质性：尽管模型在非优化任务上表现良好（最高92%），但在动态规划等全局优化算法上的准确率骤降至约49%。进一步分析发现了策略性过度转移（strategic over-shifts），即模型因必要的低熵token而过早放弃正确的算法设计。这些发现暴露了以题目为中心的强化学习的根本局限，并凸显了稳健算法推理所需的以算法为中心的训练范式的必要性。