np-hard

本文提出了一种基于振荡神经网络（ONN）的数独求解器，通过将数独问题建模为图着色问题，在4x4和9x9数独上实现了高准确率。

一份详细的基准测试，对比了 Claude Fable 5 和 GPT-5.6 Sol 在棘手的 NP-困难光纤网络设计问题上的表现，发现 Fable 5 显著胜出，而 /goal 模式并非颠覆性因素。

一篇博客文章，探讨了为8-track磁带分割歌曲的NP-hard问题，并幽默地提出LLMs可以取代曾经手动解决这个问题的工程师，同时批评了在类似任务中使用Mechanical Turk工人。

本文提出了一种统一的知识嵌入强化学习框架，用于广义容量车辆路径问题，结合了先路线后聚类的启发式方法与动态规划，以实现优越的解决方案质量和跨多种变体的强泛化能力。

一篇声称通过机器学习实现AGI在复杂性理论下是不可能的论文，已被一篇新论文反驳，该新论文指出其证明因一个未定义的关键术语而存在缺陷。